Referensi Risma

1
TESIS
ANALISIS KEPEMILIKAN SEPEDA MOTOR PADA
RUMAH TANGGA DI KABUPATEN BULELENG
MENGGUNAKAN MODEL REGRESI LOGISTIK
SUS LIRIS WORO
PROGRAM PASCASARJANA
UNIVERSITAS UDAYANA
DENPASAR
2011
TESIS
1
TESIS
SUS LIRIS WORO
UNIVERSITAS UDAYANA
DENPASAR
2011
TESIS
1
TESIS
SUS LIRIS WORO
UNIVERSITAS UDAYANA
DENPASAR
2011
TESIS
2
SUS LIRIS WORO
NIM 0791561048
PROGRAM MAGISTER
PROGRAM STUDI TEKNIK SIPIL
UNIVERSITAS UDAYANA
DENPASAR
2011
2
SUS LIRIS WORO
NIM 0791561048
PROGRAM MAGISTER
UNIVERSITAS UDAYANA
DENPASAR
2011
2
SUS LIRIS WORO
NIM 0791561048
PROGRAM MAGISTER
UNIVERSITAS UDAYANA
DENPASAR
2011
3
Tesis untuk Memperoleh Gelar Magister
Pada Program Magister, Program Studi Teknik Sipil
Program Pasca Sarjana Universitas Udayana
SUS LIRIS WORO
NIM0791561048
PROGRAM MAGISTER
UNIVERSITAS UDAYANA
DENPASAR
2011
ii
4
Lembar Pengesahan
TESIS INI TELAH DISETUJUI
TANGGAL, 19 AGUSTUS 2011
Pembimbing I, Pembimbing II,
I Putu Alit Suthanaya, ST., MengSc., Ph.D. Dewa Made Priyantha W, ST., MT., MSc. Ph.D.
NIP. 19690805 199503 1 001 NIP. 19700303 199702 1 005
Mengetahui
Ketua Program Studi Magister Teknik Sipil Direktur
Program Pascasarjana Program Pascasarjana
Universitas Udayana, Universitas Udayana,
Prof. Dr. Ir. I Made Alit Karyawan Salain, DEA. Prof. Dr. dr. A. A. Raka Sudewi, Sp.S (K).
NIP. 19620404 199103 1 002 NIP. 19590215 198510 2 001
iii
5
Lembar Penetapan Panitia Penguji Tesis
Tesis Ini Telah Diuji
Pada Tanggal 19 Agustus 2011
Panitia Penguji Tesis Berdasarkan Surat Keputusan Rektor
Universitas Udayana, No: 1457/UN.14.4HK/2011
Ketua : I. P Alit Suthanaya, ST.,MEngSc.,Ph.D
Anggota :
1. D.M Priyantha W,ST.,MT.,MSc.,Ph.D.
2. Ir. I Gusti Putu Suparsa, MT
3. Ir. I Nyoman Arya Thanaya ,ME, Ph.D
4. Ir. I Made Sukada Wenten, MT
iv
6
SURAT PERNYATAAN
Yang bertanda tangan dibawah ini:
Nama : Sus Liris Woro
NIM : 0791561048
Tempat dan Tanggal Lahir : Solo, 07 Maret 1976
Alamat : Perum Graha Asri Persada, Jl Merdeka Blok C/17
Pesiapan - Tabanan
Telepon rumah/HP : (0361) 8945606, Hp. 081805417677
Menyatakan dengan sebenarnya bahwa saya tidak menjiplak setengah atau sepenuhnya
tesis orang lain.
Demikian pernyataan ini saya buat dengan sebenarnya untuk dapat dipergunakan
sebagaimana mestinya dan apabila dikemudian hari ternyata tidak benar, maka saya
bersedia dituntut sesuai dengan peraturan perundangan yang berlaku.
Denpasar, Agustus 2011
Hormat saya,
Sus Liris Woro
NIM. 0791561048
v
7
UCAPAN TERIMA KASIH
Puji Syukur penulis ucapkan kehadapan Tuhan Yang Maha Esa atas segala berkat
dan rahmatNya, penulis dapat menyelesaikan Tesis yang berjudul Analisis
Kepemilikan Sepeda Motor Pada Rumah Tangga Di Kabupaten Buleleng
Menggunakan Model Regresi Logistik. Penyusunan Tesis ini bertujuan untuk
memenuhi salah satu persyaratan bagi mahasiswa untuk menyelesaikan studi strata dua
Program Studi Magister Teknik Sipil Fakultas Udayana Denpasar. Pada kesempatan ini
pula perkenankan penulis mengucapkan terima kasih kepada Bapak I Putu Alit
Suthanaya, ST., MEngSc., Ph.D selaku Dosen Pembimbing I dan Bapak Dewa Made
Priyantha Wedagama, ST., MT., MSc., PhD selaku Dosen Pembimbing II, yang penuh
dengan kesabaran membimbing, memberi saran, serta arahan yang baik kepada penulis.
Ucapan terima kasih juga ditujukan kepada Ketua Program Studi Teknik Sipil
Program Pascasarjana Universitas Udayana Bapak Prof. Dr. Ir. I Made Alit Karyawan
Salain, DEA atas dukungan yang diberikan kepada penulis untuk mengikuti pendidikan
Program Pascasarjana Universitas Udayana.
Akhirnya penulis sampaikan terima kasih kepada seluruh anggota keluarga
terutama kepada orangtua terkasih, suami dan anak tercinta serta rekan-rekan yang selalu
memberi semangat dan dorongan kepada penulis dalam mengikuti pendidikan pada
Program Pascasarjana Universitas Udayana.
Denpasar, Agustus 2011
Penulis
vi
8
ABSTRAK
ANALISIS KEPEMILIKAN SEPEDA MOTOR PADA RUMAH TANGGA DI
KABUPATEN BULELENG
Peningkatan jumlah penduduk yang disertai pertumbuhan perekonomian di
Kabupaten Buleleng telah mendorong tingkat kepemilikan kendaraan bermotor dari
tahun ke tahunnya meningkat. Hal ini tentunya akan memberi pengaruh pada kondisi lalu
lintas yang ada. Maka tujuan yang ingin dicapai dalam penelitian ini adalah : untuk
menganalisis karakteristik sosial-ekonomi dan demografi rumah tangga di Kabupaten
Buleleng dan menganalis model kepemilikan sepeda motor pada rumah tangga dengan
faktor-faktor yang mempengaruhinya.
Analisis dilakukan terhadap data primer yang diperoleh dengan melakukan Home
Interview Survai, sehingga dilakukan analisis: jumlah anggota keluarga, total pendapatan
keluarga, biaya transportasi, total jumlah sepeda motor yang dimiliki dalam rumah
tangga, jarak perjalanan perhari yang ditempuh oleh semua anggota keluarga, dan total
waktu perjalanan . Data lain yakni data sekunder yang didapat dari Badan Pusat Statistik
serta dari literatur lainya. Selanjutnya data ini dianalisis dengan menggunakan model
regresi logistik dan perangkat lunak SPSS versi 15.
Hasil dari penelitian kepemilikan sepeda motor pada rumah tangga di Kabupaten
Buleleng adalah dari sisi sosial-ekonomi dan demografi penduduk Prosentase tertinggi
pendapatan adalah keluarga antara Rp. 1.000.000,-sampai dengan Rp. 4.000.000,- sebesar
89% , sedangkan yang berpenghasilan diatas Rp. 4.000.000,- sebesar 11%. Kepemilikan
1 unit sepeda motor mempunyai prosentase tertinggi yaitu 57%, kepemilikan lebih dari 2
unit sepeda motor adalah 20%, berimbang dengan masyarakat yang tidak memiliki
sepeda motor (0 unit) yaitu 23%. Adapun bentuk model pemilihan mode dari kepemilikan
sepeda motor di Kabupaten Buleleng adalah:
=
|
|
'
p
p
1
ln 0,601-0,602*keluarga(1)-1,585*pendapatan(1)-0,295*jarak(1) +
0,137*jarak(2)-1,037*btransport(1)-0,176*btransport(2)
Untuk probabilitas dari masing-masing faktor yang berpengaruh terhadap kepemilikan
sepeda motor di Kabupaten Buleleng pada tingkat 5% atau dengan kepercayaan 95%
adalah jumlah anggota keluarga 3-4 orang dibandingkan dengan anggota keluarga > 4
orang, lebih kecil 45,2 % (0,548-1), pendapatan rumah tangga per bulan Rp. 1 juta 4
juta dibandingkan keluarga dengan pendapatan >Rp 4 juta rupiah per bulan, lebih kecil
79.5% (0,205-1) dan biaya transportasi kurang dari Rp. 100 ribu per bulan dibandingkan
keluarga dengan biaya transportasi per bulannya > Rp. 300 ribu lebih kecil 64,6% (0,354-
1).
Kata Kunci: Kepemilikan sepeda motor, regresi logistik, Kabupaten Buleleng
vii
9
ABSTRACT
ANALYSIS OF MOTORCYCLE OWNERSHIP IN HOUSEHOLD
IN DISTRICT BULELENG
USING LOGISTIC REGRESSION MODEL
Increasing population accompanied economic growth in Buleleng has pushed the
level of vehicle ownership increased from year to year. This will certainly make an
impact on existing traffic conditions. Then the objectives to be achieved in this study
were: to analyze the socio-economic characteristics and household demographics in
Buleleng and analyze models of motorcycle ownership in households with the factors that
influence it.
The analysis performed on primary data obtained by performing Home Interview
Survey, so do the analysis: the number of family members, total family income,
transportation costs, the total number of motorcycles owned in the household, per day
travel distance traveled by all family members, and the total travel time. Other data that is
secondary data obtained from the Central Bureau of Statistics as well as from other
literature further more, these data were analyzed using logistic regression models and the
software SPSS version 15.
Results of research on the motorcycle ownership households in Buleleng district is
from the socio-economic and demographic population of the highest percentage of family
income is between Rp. 1,000,000,-up to Rp. 4.000.000, - by 89%, while income above
Rp. 4.000.000, - by 11%. Ownership of a motorcycle unit has the highest percentage of
57%, ownership of more than 2 units of motorcycles is 20%, balanced with people who
do not have a bike (0 units), namely 23%. The shape of mode selection model of
motorcycle ownership in Buleleng district are:
=
|
|
'
p
p
1
ln 0.601-0.602*Family(1)-1.585*income(1)-0.295*distance(1) +
0.137*distance(2)-1.037*btransport(1)-0.176*btransport(2)
For the probability of each of the factors that affect motorcycle ownership in the District
of Buleleng at the 5% or with 95% confidence is the number of family members
compared with 3-4 people 4 people family members, 45.2% smaller (0.548-1 ), household
income per month Rp. 1,000,000,-up to Rp. 4.000.000 compared to families with income
of Rp. 4.000.000 per month, 79.5% smaller (0.205-1) and transportation costs are less
than Rp. 100 thousand per month compared to families with transportation costs per
month > Rp. 300 thousand smaller 64.6% (from0.354-1).
Keywords: motorcycles ownership, logistic regression ,Buleleng
viii
10
DAFTAR ISI
Halaman
HALAMAN SAMPUL DALAM ............................................................................ i
PRASYARAT GELAR ........................................................................................... ii
LEMBAR PERSETUJUAN .................................................................................... iii
LEMBAR PENETAPAN PANITIA PENGUJI ..................................................... iv
SURAT PERNYATAAN ........................................................................................ v
UCAPAN TERIMA KASIH ................................................................................... vi
ABSTRAK ............................................................................................................... vii
ABSTRACT ............................................................................................................ viii
DAFTAR ISI ............................................................................................................ ix
DAFTAR TABEL .................................................................................................... xii
DAFTAR GAMBAR ............................................................................................... xiii
DAFTAR NOTASI .................................................................................................. xiv
DAFTAR ISTILAH ................................................................................................. xv
BAB I PENDAHULUAN
1.1 Latar Belakang............................................................................... ...1
1.2 Rumusan Masalah ......................................................................... ...4
1.3 Tujuan Penelitian........................................................................... ...4
1.4 Manfaat Penelitian......................................................................... ...5
1.5 Batasan Masalah............................................................................ ...6
BAB II TINJAUAN PUSTAKA
2.1 Pengertian Transportasi ................................................................. ...7
2.2 Pengertian Kendaraan.................................................................... ...8
2.2.1 Definisi Moda....................................................................... ...8
2.2.2 Pemodelan Transportasi ....................................................... ...9
2.2.3 Kepemilikan Kendaraan Bermotor di Indonesia. ................. .10
2.3 Konsep Rumah Tangga dan Keluarga........................................... .12
2.3.1 Definisi Rumah Tangga dan Keluarga ................................. .12
2.3.2 Bentuk-bentuk Keluarga....................................................... .13
2.4 Pengertian Regresi......................................................................... .15
2.5 Regresi Logistik ............................................................................ .16
2.5.1 Desain dan Analisis Variabel Dummy ................................. .19
2.5.2 Bentuk Umum Regresi Logistik........................................... .22
2.5.3 Maksimum Likelihood untuk Penentuan
Parameter Model Logistik .................................................... .25
ix
11
2.5.4 Uji Kelayakan Model (Goodness of Fit) .............................. .27
2.5.5 Pengertian Kalibrasi dan Validasi ........................................ .29
2.5.6 Ratio Odds dan Probabilitas ................................................. .30
2.6 Penggunaan Perangkat Lunak SPSS version 15............................. .32
BAB III METODE PENELITIAN
3.1 Tahapan Penelitian ........................................................................ .34
3.1.1 Survai Pendahuluan.............................................................. .36
3.1.2 Kompilasi Data .................................................................... .37
3.2 Lokasi dan Waktu Penelitian......................................................... .37
3.3 Desain Kuisioner ........................................................................... .42
3.4 Desain Sampel ............................................................................... .43
3.5 Penentuan Sampel ......................................................................... .45
3.6 Teknik Pengambilan Sampel ......................................................... .48
3.7 Cara Pelaksanaan Survai ............................................................... .49
3.7.1 Data Primer.......................................................................... .50
3.7.2 Data Sekunder ...................................................................... .51
3.8 Pengolahan Data............................................................................ .51
3.9 Jumlah Sampel Home Interview Survai ........................................ .52
3.10 Tabulasi Data................................................................................. .54
3.11 Pendefinisian Variabel Dummy..................................................... .54
BAB IV DESKRIPSI DATA
4.1 Gambaran Umum Penduduk Kabupaten Buleleng........................ .59
4.1.1 Laju Pertumbuhan Penduduk .............................................. .59
4.1.2 Jumlah Penduduk per Kecamatan........................................ .60
4.1.3 Ratio Jenis Kelamin Penduduk............................................. .62
4.2 Analisis Sosial-Ekonomi Rumah Tangga...................................... .63
BAB V PEMODELAN DAN ANALISIS OUTPUT MODEL
5.1 Pemilihan Variabel Model............................................................. .69
5.2 Kalibrasi Model ............................................................................ .72
5.3 Validasi Model .............................................................................. .76
BAB VI SIMPULAN DAN SARAN
6.1 Simpulan Untuk Kepemilikan Sepeda Motor................................ .80
6.1.1 Karakteristik Sosial-Ekonomi dan Demografi ..................... .80
6.1.2 Model Kepemilikan Sepeda Motor....................................... .81
6.1.3 Probabilitas Kepemilikan Sepeda Motor.............................. .82
6.2 Saran .......................................................................................... .83
x
12
DAFTAR PUSTAKA .......................................................................................... .84
LAMPIRAN
Lampiran A : Gambar Peta Pulau Bali dan Peta Lokasi survai .............................. 86
Lampiran B.1 : Jumlah Sampel dan Kompilasi Data.................................................. 88
Lampiran B.2 : Data Hasil Survai Lapangan Home Interview................................... 92
Lampiran B.3 : Pengkodean Variabel Dummy........................................................... 140
Lampiran C : Output Data SPSS 15.0 for Windows................................................... 191
Lampiran D : Formulir Survai .................................................................................... 197
xi
13
DAFTAR TABEL
Halaman
Tabel 2.1 Uji Hipotesis Hipotesis Klasifikasi Pekerjaan Responden ...................... 22
Tabel 2.2 Ilustrasi Uji Statistik Hosmer and Lemeshow ......................................... 29
Tabel 3.1 Pembagian Zona di Kabupaten Buleleng................................................ 38
Tabel 3.2 Data Yang Dikumpulkan dari Responden ............................................... 51
Tabel 3.3 Ukuran Sampel Minimum Yang Di Sarankan......................................... 52
Tabel 3.4 Pengkodean Variabel Dummy................................................................. 56
Tabel 4.1 Pertumbuhan Penduduk Kabupaten Buleleng ......................................... 60
Tabel 4.2 Jumlah KK dan Jiwa di Kabupaten Buleleng .......................................... 61
Tabel 4.3 Jumlah Penduduk per Kecamatan menurut Jenis Kelamin...................... 62
Tabel 4.4 Jumlah Anggota Keluarga di Daerah Studi ............................................. 64
Tabel 4.5 Jumlah Pelajar di tiap Keluarga pada Area Studi .................................... 65
Tabel 4.6 Kepemilikan Sepeda Motor ..................................................................... 67
Tabel 5.1 Reduksi Variabel Dummy ....................................................................... 71
Tabel 5.2 Variabel Bebas yang Signifikan .............................................................. 72
Table 5.3 Signifikansi Model................................................................................... 76
Table 5.4 Koefisien Determinasi Model .................................................................. 77
Tabel 5.5 Uji Hosmer-Lemeshow............................................................................ 78
Tabel 5.6 Akurasi Proporsi Data dan Model ........................................................... 78
xii
14
DAFTAR GAMBAR
Halaman
Gambar 2.1 Grafik Regresi Logistik........................................................................ 17
Gambar 2.2 Grafik Regresi Linier ........................................................................... 19
Gambar 3.1 Diagram Alir Tahapan Penelitian ........................................................ 35
Gambar 4.1 Diagram Penduduk di Kabupaten Buleleng......................................... 61
Gambar 4.2 Diagram Penduduk Laki-laki dan Perempuan ..................................... 63
Gambar 4.3 Diagram Prosentase Anggota Keluarga pada Area Studi..................... 64
Gambar 4.4 Diagram Prosentase Pelajar ................................................................. 65
Gambar 4.5 Diagram Prosentase Pendapatan .......................................................... 66
Gambar 4.6 Diagram Prosentase Kepemilikan Sepeda Motor ................................ 67
Gambar A: Gambar Peta Pulau Bali dan Peta Lokasi survai ................................. 86
Gambar A: Peta Lokasi Survai Kabupaten Buleleng............................................. 87
xiii
15
DAFTAR NOTASI
Ln(p/(1-p)) = Proses kalibrasi rumus probabilitas yang bersifat non linier ke linier
X
1......k
= Variabel bebas
B
0,1....k
= Koefisien regresi/parameter model
S = Standar deviasi sampel
Se = Acceptable Sampling Error
Se
(x)
= Acceptable Sampling Error
n = Jumlah sampel
p = Proporsi sampel berdasarkan jumlah
z = Nilai variabel standar normal
= Uji Hosmer-Lemeshow (H-L test)
O
k
= Nilai Observasi
E
k
= Nilai Ekspektasi
V
k
= Faktor koreksi variansi
Y = Probabilitas kepemilikan sepeda motor
X
1,...n
= Variabel bebas
xiv
16
DAFTAR ISTILAH
Tabulasi Data : mengorganisasikan data yang telah di edit dan di beri kode.
Data Primer : data dari hasil survai wawancara rumah tangga (home interview)
Data Sekunder : data yang didapatkan dari kantor Pemerintahan (Badan Pusat
Statistik dan Kelurahan)
Editing : merupakan kegiatan peninjauan terhadap data yang telah
dikumpulkan melalui survai dan melakukan perbaikan atau
melengkapi data.
Koding : merupakan kegiatan pemberian kode data yang dikumpulkan sesuai
metode regresi logistik yang digunakan dalam anlisis
Reduksi Variabel : menyeleksi variabel yang akan diikutsertakan di dalam model
dengan tujuan untuk menguji signifikasi dari klasifikasi setiap
variabel.
Kalibrasi : proses perhitungan untuk menentukan nilai parameter (konstanta
dan koefisien) dari suatu model.
Validasi : ketepatan dan kecermatan dari suatu alat ukur dalam mengukur data.
Regresi : salah satu metode untuk menentukan tingkat pengaruh suatu
variabel terhadap variabel yang lain.
Analisis Regresi : studi dalam menjelaskan dan mengevaluasi hubungan antara suatu
peubah bebas (independent variable) dengan satu peubah tak bebas
(dependent variable) dengan tujuan untuk mengestimasi dan atau
meramalkan nilai peubah tak bebas didasarkan pada nilai peubah
bebas yang diketahui
Regresi Logistik : bagian dari analisis regresi yang digunakan ketika variabel dependen
(respon) merupakan variabel dikotomi (terdiri dari dua nilai yang
mewakili kemunculan atau tidaknya suatu kejadian yang biasanya
diberi angka 0 atau 1).
Variabel : atribut seseorang atau obyek yang mempunyai variasi antara satu
orang dengan orang lainnya atau dari suatu obyek dengan obyek
lainnya.
Variabel dummy : variabel simbol (variabel boneka), merupakan variabel buatan yang
dinyatakan dalam bentuk kode yang biasanya digunakan untuk
mengkuantifikasikan data kualitatif.
Multikolinieritas : korelasi antar variabel bebas. Pengujian ini diperlukan untuk
mengetahui ada atau tidaknya kemiripan antar variabel bebas dalam
suatu model.
Odds : peluang atau probabilitas atau kemungkinan. Odds suatu kejadian
digambarkan sebagai peluang dari suatu peristiwa yang terjadi
dibagi oleh peluang dari kejadian yang tidak terjadi.
Sampel : sekumpulan unit yang merupakan bagian dari suatu populasi yang
dipilih untuk mewakili keseluruhan populasi.
xv
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Kabupaten Buleleng terletak di belahan utara Pulau Bali memanjang dari
barat ke timur dan mempunyai pantai sepanjang 144 Km, secara geografis terletak
pada posisi 8
o
03'40'' 8
o
23'00'' lintang selatan dan 114
o
25'55'' 115
o
27'28'' bujur
timur. Luas Kabupaten Buleleng secara keseluruhan 1.365,88 Km
2
atau 24,25 %
dari luas Propinsi Bali yaitu hampir 1/3 luas Pulau Bali (1365,88 hektar).
Kabupaten Buleleng yang meliputi area 1.370 km
2
terbagi atas 9 kecamatan yaitu
Kecamatan Tejakula, Kubutambahan, Sawan, Buleleng, Sukasada, Banjar,
Busungbiu, Seririt dan Gerokgak Sampai dengan tahun 2009, di Kabupaten
Buleleng telah didukung dengan sarana perhubungan darat berupa jalan raya
sepanjang 1.139,88 km dengan rincian Jalan Nasional 155,75 km, Jalan Propinsi
105,88 km, Jalan Kabupaten 878,19 km disamping perhubungan darat Kabupaten
Buleleng juga memiliki perhubungan laut berupa Dermaga Pelabuhan Celukan
Bawang di Kecamatan Gerokgak, Pelabuhan Tradisional Sangsit di Kecamatan
Sawan, khusus untuk bongkar muat barang. Diantara Kabupaten di Bali kecuali
Kabupaten Badung, Buleleng juga telah dilengkapi dengan sarana perhubungan
udara berupa Air Strip Letkol Wisnu di Desa Sumberkima Kecamatan Gerokgak
yang diharapkan dapat memperlancar aksesibilitas ke daerah Buleleng.
Peningkatan jumlah penduduk yang disertai pertumbuhan perekonomian
di Kabupaten Buleleng telah mendorong tingkat kepemilikan kendaraan bermotor
2
dari tahun ke tahunnya meningkat. Pertumbuhan kendaraan sebesar 16,72 %
(BPS, 2009) tentunya akan memberi pengaruh pada kondisi lalu lintas yang ada.
Melihat kondisi tersebut diperkirakan akan terjadi peningkatan permintaan
(demand) pada kebutuhan transportasi pada tahun mendatang. Peningkatan
permintaan tersebut jika tidak dikuti ketersediaan sarana dan prasarana (supply)
yang memadai akan menimbulkan permasalahan di bidang transportasi itu sendiri
pada akhirnya. Penyediaan prasarana transportasi pada titik tertentu seperti
pembuatan jalan baru, bukan merupakan pemecahan masalah yang tepat karena
akan memicu bangkitan perjalanan baru, sehingga dibutuhkan sistem perencanaan
transportasi yang baik yang memadukan antara efisiensi transportasi,
pertumbuhan ekonomi dan kelestarian sumber daya. Perencanaan transportasi
pada dasarnya adalah memperkirakan kebutuhan transportasi dimasa datang yang
harus dikaitkan dengan masalah ekonomi, sosial dan lingkungan. Transportasi
harus memberikan keuntungan maksimum kepada masayarakat dengan
meminimumkan penggunaan waktu dan biaya. Jika tingkat pelayanan angkutan
umum rendah maka minat masyarakat untuk menggunakan kendaraan pribadi
jauh lebih tinggi. Selain karena rendahnya tingkat pelayanan angkutan umum
banyak produsen angkutan pribadi khususnya sepeda motor memberikan promosi
gencar untuk meningkatkan penjualan misalnya dengan memberikan bonus,
rendahnya bunga kredit, serta jangka waktu kredit yang panjang, sehingga
membuat masyarakat menjadi tergiur untuk memiliki kendaraan pribadi.
Di Indonesia sendiri menurut laporan Bank Dunia tahun 2005, kepemilikan
mobil kurang lebih 16% sedangkan sepeda motor 80% (Hsu dan Lin, 2007).
3
Secara umum kepemilikan dan penggunaan sepeda motor terkait dengan tingkat
pertumbuhan ekonomi suatu negara atau wilayah regional. Sebagai contoh di
Jepang yang mempunyai tingkat pendapatan tinggi, akhir-akhir ini kepemilikan
dan penggunaan sepeda motor cenderung berkurang sekitar 20% hal ini
disebabkan karena dinegara Jepang yang sangat maju akan sistem transportasinya
dapat memberikan kenyamanan terhadap masyarakat dalam efisiensi waktu dan
biaya. Sedangkan di negara yang berpenghasilan lebih rendah seperti di Indonesia,
kepemilikan dan penggunaan sepeda motor cenderung tinggi (Hsu dan Lin, 2007).
Persoalan yang timbul dengan tingginya kepemilikan kendaraan bermotor
khususnya sepeda motor adalah kepadatan lalu lintas campuran (mixed traffic)
yang tinggi dan dapat beresiko kepada aspek keselamatan lalu lintas atau
tingginya resiko terjadinya kecelakaan lalu lintas (Hsu et al, 2007 dan Leong
Sadullah, 2007). Untuk itu diperlukan adanya analisis mengenai faktor-faktor
yang mempengaruhi kepemilikan sepeda motor pada rumah tangga (household).
Hal-hal tersebut diperlukan dalam rangka pemahaman perilaku kepemilikan
kendaraan bermotor pada rumah tangga.
Berdasarkan uraian diatas maka dalam tesis ini dilakukan studi mengenai
analisis kepemilikan sepeda motor pada rumah tangga di Kabupaten Buleleng.
Tujuan dari penelitian ini salah satunya yaitu untuk membuat model dan
menganalisis kepemilikan sepeda motor di Kabupaten Buleleng dan faktor-faktor
yang mempengaruhinya. Dari penelitian ini diharapkan di masa mendatang dapat
digunakan sebagai input atau masukan bagi studi lanjutan analisis sepeda motor
4
serta masukan bagi analisis penataan kembali angkutan umum di Kabupaten
Buleleng.
1.2 Rumusan Masalah
Memahami permasalahan yang tertuang pada latar belakang, maka untuk
itu dalam penelitian ini dilakukan kajian yang lebih mendetail terhadap :
1. Bagaimanakah karakteristik sosial ekonomi dan demografi penduduk di
Kabupaten Buleleng ?
2. Bagaimanakah model kepemilikan sepeda motor pada rumah tangga, dan
faktor-faktor apa saja yang berpengaruh terhadap kepemilikan sepeda
motor pada suatu rumah tangga?
3. Bagaimanakah probabilitas dari masing-masing faktor yang berpengaruh
terhadap kepemilikan sepeda motor pada rumah tangga?
1.3 Tujuan Penulisan
Dari rumusan masalah yang ada maka tujuan yang ungin dicapai dalam
penelitian ini adalah :
1. Menganalisis karakteristik sosial-ekonomi dan demografi rumah tangga di
Kabupaten Buleleng.
2. Menyusun model kepemilikan sepeda motor pada rumah tangga dengan
faktor-faktor yang mempengaruhinya serta menganalisis faktor-faktor
yang berpengaruh terhadap kepemilikan sepeda motor pada rumah tangga.
5
3. Menganalisis probabilitas dari masing-masing faktor yang berpengaruh
terhadap kepemilikan sepeda motor pada rumah tangga.
1.4 Manfaat Penelitian
Hasil penelitian ini diharapkan dapat bermanfaat secara akademik dan
bermanfaat pula secara praktis bagi pemecahan permasalahan di masyarakat.
Dalam kajian ini hasil yang diperoleh terutama ditunjukan bagi pihak terkait
antara lain:
1. Bagi pemerintah, hasil penelitian ini diharapkan dapat memberikan
kontribusi pemikiran dalam usaha pengelolaan dan regulasi di bidang
manajemen lalu lintas khususnya yang berkaitan dengan kendaraan pribadi
yaitu sepeda motor.
2. Bagi mahasiswa, penelitian ini memiliki manfaat untuk memberikan
kesempatan dalam penerapan teori-teori yang diperoleh pada bangku
perkuliahan dalam rangka menambah pengalaman, pengetahuan dan
wawasan di bidang analisis kepemilikan sepeda motor .
3. Bagi Perguruan Tinggi, penelitian ini diharapkan dapat memperkaya
khasanah penelitian di bidang transportasi.
4. Bagi Peneliti, manfaat model ini untuk memprediksi peningkatan
kepemilikan sepeda motor di tahun yang akan datang.
6
1.5 Batasan Masalah
Mengingat luasnya cakupan permasalahan yang berhubungan dengan
Usulan Penelitian ini, maka batasan permasalahan dalam penelitian ini adalah
sebagai berikut:
1. Data variabel bebas yang diperhitungkan dalam studi ini meliputi data
sosial ekonomi (pendapatan per bulan, jarak rata-rata yang ditempuh per
hari, pengeluaran biaya transportasi per bulan, waktu perjalanan) dan data
demografi (jumlah anggota keluarga, jumlah anggota keluarga yang
bekerja, jumlah anggota keluarga yang sekolah)
2. Metode analisis yang digunakan untuk menentukan model hubungan
antara variabel bebas dan tidak bebas dalam penelitian ini adalah dengan
pendekatan statistik yaitu dengan regresi logistik, karena variabel tidak
bebas di dalam penelitian ini berupa kategori (memiliki dan tidak
memiliki) yang bersifat biner (binary) (Washington et al, 2003).
3. Wilayah Kabupaten Buleleng dibagi atas 27 zona.
4. Jumlah sampel rumah tangga diambil dari populasi rumah tangga di
Kabupaten Buleleng.
7
BAB II
TINJAUAN PUSTAKA
2.1 Pengertian Transportasi
Pengertian transportasi merupakan gabungan dari dua defenisi, yaitu
sistem dan transportasi. Sistem adalah suatu bentuk keterikatan dan keterkaitan
antara satu variabel dengan variabel lain dalam tatanan yang terstruktur,
sedangkan transportasi adalah suatu usaha untuk memindahkan, menggerakkan,
mengangkut atau mengalihkan orang ataupun barang dari suatu tempat ke tempat
lain, dimana di tempat lain objek tersebut lebih berguna atau dapat berguna untuk
tujuan-tujuan tertentu.
Maka, dari kedua pengertian di atas dapat disimpulkan bahwa, sistem
transportasi adalah suatu bentuk keterikatan dan keterkaitan antara berbagai
variabel dalam suatu kegiatan atau usaha untuk memindahkan, menggerakkan,
mengangkut, atau mengalihkan orang atau barang dari satu tempat ke tempat lain
secara terstruktur. Dalam ilmu transportasi, alat pendukung proses perpindahan
diistilahkan dengan sistem transportasi mencakup berbagai unsur (subsistem)
berupa ruang untuk bergerak (jalan), tempat awal / akhir pergerakan (terminal),
yang bergerak (alat angkut/kenderaan dalam bentuk apapun), pengelolaan (yang
mengkoordinasi ketiga unsur sebelumnya).
Berfungsinya alat pendukung proses perpindahan ini sesuai dengan yang
diinginkan, tidaklah terlepas dari kehadiran subsistem tersebut di atas secara
serentak. Masing-masing unsur itu tidak bisa hadir beroperasi sendiri-sendiri,
7
8
kesemuanya harus terintegrasi secara serentak. Seandainya ada salah satu saja
komponen yang tidak hadir, maka alat pendukung proses perpindahan (sistem
transportasi) tidak dapat bekerja dan berfungsi.
2.2 Pengertian Kendaraan
Kendaraan bermotor adalah kendaraan yang digerakkan oleh peralatan teknik untuk
pergerakkannya, dan digunakan untuk transportasi darat. Umumnya kendaraan
bermotor menggunakan mesin pembakaran dalam, namun mesin listrik dan mesin
lainnya juga dapat digunakan. Kendaraan bermotor memiliki roda, dan biasanya
berjalan diatas jalanan. (http://id.wikipedia.org/wiki/kendaraan_bermotor,2011).
Menurut Undang Undang No.22 tahun 2009, yang disebut kendaraan adalah
suatu sarana angkut di jalan yang terdiri atas Kendaraan Bermotor dan Kendaraan
Tidak Bermotor. Kendaraan Bermotor adalah setiap Kendaraan yang digerakkan
oleh peralatan mekanik berupa mesin selain Kendaraan yang berjalan di atas rel
sedangkan, Kendaraan Tidak Bermotor adalah setiap Kendaraan yang digerakkan
oleh tenaga manusia dan/atau hewan.
2.2.1 Definisi Moda
Definisi dari moda adalah jenis-jenis sarana transportasi yang tersedia
untuk melakukan perjalanan. Pemakai jalan adalah semua bentuk moda angkutan,
baik yang berupa kendaraan bermotor seperti: mobil, mikrolet, bis, truk, truk
9
gandengan, semi trailer dan trailer maupun tidak bermotor seperti: kereta dorong,
dokar, sepeda, becak serta termasuk para pejalan kaki yang sedang menggunakan
jalan (Ofyar Z.Tamin, 2000).
2.2.2 Pemodelan Transportasi
Dalam perencanaan transportasi dikenal ada 4 (empat) langkah pembuatan
model, antara lain:
a. Bangkitan Perjalanan (Trip Generation)
Pembangkit perjalanan adalah tahapan pemodelan yang memperkirakan jumlah
pergerakan yang berasal dari suatu zona atau tata guna lahan dan jumlah
pergerakan yang tertarik ke suatu zona atau tata guna lahan.
b. Sebaran Perjalanan (Trip Distribution)
Penyebaran pergerakan merupakan tahapan yang menggabungkan interaksi
antara tata guna lahan, jaringan transportasi dan arus lalu lintas.
c. Pemilihan Moda (Modal Choice / Modal Split)
Dalam interaksi antara dua tata guna lahan atau lebih di suatu wilayah, maka
seseorang akan memutuskan bagaimana interaksi tersebut harus dilakukan,
dimana sering interaksi tersebut mengharuskan terjadinya perjalanan, baik
antar tata guna lahan ataupun inter tata guna lahan.
Keputusan dalam pemilihan moda berkaitan dengan jenis transportasi yang
digunakan. Jika terdapat lebih dari satu moda, maka moda yang dipilih biasanya
yang mempunyai rute terpendek, tercepat, atau termurah, atau teraman, atau
kombinasi dari faktor-faktor tersebut. Selain itu, faktor lain yang mempengaruhi
10
adalah ketidaknyamanan dan keselamatan dan hal seperti ini harus
dipertimbangkan dalam pemilihan moda.
d. Pemilihan Rute (Traffic Assignment)
Model ini bertujuan memprediksi pemilihan rute perjalanan yang akan
digunakan. Diasumsikan pemakai jalan mempunyai informasi yang cukup
(misalnya tentang kemacetan jalan), sehingga dapat menentukan rute yang
terbaik.
2.2.3 Kepemilikan Kendaraan Bermotor Di Indonesia
Sepeda motor, merupakan salah satu alternatif kendaraan murah dan juga
memiliki mobilitas yang sangat tinggi. Di negara-negara Asia, pada umumnya
kepemilikan sepeda motor memiliki tingkat kepemilikan yang tinggi dibanding
dengan kepemilikan kendaraan roda empat. Kondisi ini terjadi sebelum
pendapatan per kapita masyarakat meningkat, sehingga sebelum membeli mobil,
mereka membeli sepeda motor terlebih dahulu. Berdasarkan data yang dihimpun
dari AISI (Asosiasi Industri Sepeda Motor Indonesia), kepemilikan sepeda motor
di Indonesia saat ini adalah sekitar 1: 10 penduduk.
Dibandingkan dengan negara tetangga; Malaysia dan Thailand yang
kepadatan sudah mencapai 3,5 orang per sepeda motor, maka tidaklah
mengherankan sampai tahun mendatang jumlah kepemilikan sepeda motor akan
semakin meningkat. Di sisi lain juga jumlah kendaraan yang dimiliki tiap rumah
tangga merupakan salah satu faktor penentu jumlah dan moda yang dipakai dalam
11
perjalanan yang dilakukan oleh sebuah keluarga. Faktor tersebutlah yang
menyebabkan keluarga di Indonesia cenderung mempunyai sepeda motor.
Menurut data Kementerian Perhubungan, 72 persen keluarga memilih
sepeda motor untuk transportasi utama. Setiap 1.000 penduduk di Indonesia
terdapat 210 motor atau berskala 4,7: 1. Pada tahun 2002 kepemilikan sepeda
motor masih sedikit, lebih banyak keluarga tidak punya sepeda motor
(presentasenya sampai 67 persen). Namun pada tahun 2010 terjadi perubahan
drastis, hanya 28 persen keluarga yang tidak punya sepeda motor (Susantono,
2010). Peningkatan kepemilikan sepeda motor di Indonesia terus terjadi seiring
membaiknya tingkat ekonomi. Penjualan sepeda motor terus tumbuh mencapai
7,3 juta unit. Persentase keluarga pemilik sepeda motor lebih dari satu di
Indonesia juga bertambah 3 persen pada tahun 2010 menjadi 17 persen. Tercatat
pula 84 persen keluarga pengguna mobil juga mempunyai sepeda motor. Ini bukti
sepeda motor adalah kendaraan alternatif yang menjadi pilihan masyarakat.
Sampai kini, diprediksi populasi kendaraan bermotor di seluruh Indonesia
mencapai 47 juta unit dan 9,5 juta mobil . Di Jakarta saja, tercatat 11 juta
kendaraan bermotor, 9 juta adalah sepeda motor. Jumlah sepeda motor di seluruh
Indonesia saat ini diperkirakan 50 juta unit. Tingginya kepemilikan sepeda motor
bisa disamakan dengan angka kecelakaannya. Dari data Kepolisian RI dilaporkan
bahwa dari total kasus kecelakaan, 70 persennya dialami oleh pengendara sepeda
motor. Bahkan PT Jasa Raharja yang menyantuni korban kecelakaan harus
mengeluarkan santunan Rp 1,3 triliun untuk pengendara motor periode Januari -
Oktober 2010.
12
2.3 Konsep Rumah Tangga dan Keluarga
2.3.1 Definisi Rumah Tangga dan keluarga
Rumah Tangga adalah seseorang atau sekelompok orang yang mendiami
sebagian atau seluruh bangunan fisik/sensus, dan biasanya tinggal bersama serta
makan dari satu dapur. Yang dimaksud dengan makan satu dapur adalah
kebutuhan rumah tangga yang biasanya diurus bersama menjadi satu (BAPPEDA
Kutai, 2008).
Anggota Rumah Tangga (ART) adalah semua orang yang biasanya
bertempat tinggal di suatu rumah tangga, baik yang berada dirumah waktu
pencacahan maupun sementara tidak ada. Anggota rumah tangga yang telah
bepergian selama 6 bulan atau lebih dan anggota rumah tangga yang bepergian
kurang dari 6 bulan tetapi dengan tujuan pindah/akan meninggalkan rumah selama
6 bulan atau lebih tidak dianggap sebagai anggota rumah tangga (BAPPEDA
Kutai, 2008).
Menurut Depkes RI 1998 (www.scribd.com, 2010) Keluarga adalah unit
terkecil dari masyarakat yang terdiri atas Kepala Keluarga dan beberapa orang
yang berkumpul dan tinggal di suatu tempat dibawah suatu atap dalam keadaan
saling ketergantungan. Sedangkan menurut Helvie (www.scribd.com, 2010)
Keluarga adalah sekelompok manusia yang tinggal dalam suatu rumah tangga
dalam kedekatan yang konsisten dan hubungan yang erat.
13
2.3.2 Bentuk Bentuk Keluarga
Secara garis besar bentuk keluarga dapat dikelompokkan menjadi 2 yaitu
Tradisional dan Non Tradisional :
1. Tradisional
a. Nuclear Family atau Keluarga Inti
Ayah, ibu, anak tinggal dalam satu rumah ditetapkan oleh sanksi-sanksi
legal dalam suatu ikatan perkawinan, satu atau keduanya dapat bekerja
diluar rumah.
b. Reconstituted Nuclear
Pembentukan baru dari keluarga inti melalui perkawinan kembali suami
atau istri. Tinggal dalam satu rumah dengan anak-anaknya baik itu
bawaan dari perkawinan lama maupun hasil dari perkawinan baru.
c. Niddle Age atau Aging Cauple
Suami sebagai pencari uang, istri di rumah atau kedua-duanya bekerja
dirumah, anak-anak sudah meninggalkan rumah karena sekolah atau
perkawinan / meniti karier.
d. Keluarga Dyad / Dyadie Nuclear
Suami istri tanpa anak.
e. Single Parent
14
Satu orang tua (ayah atau ibu) dengan anak.
f. Dual Carrier
Suami istri / keluarga orang karier dan tanpa anak.
g. Commuter Married
Suami istri / keduanya orang karier dan tinggal terpisah pada jarak
tertentu, keduanya saling mencari pada waktu-waktu tertentu.
h. Single Adult
Orang dewasa hidup sendiri dan tidak ada keinginan untuk kawin.
i. Extended Family
1, 2, 3 generasi bersama dalam satu rumah tangga.
j. Keluarga Usila
Usila dengan atau tanpa pasangan, anak sudah pisah.
2. Non Tradisional
a. Commune Family
Beberapa keluarga hidup bersama dalam satu rumah, sumber yang
sama, pengalaman yang sama.
b. Cohibing Couple
Dua orang berlainan jenis / satu pasangan yang tinggal bersama tanpa
kawin.
c. Homosexual / Lesbian
Sesama jenis hidup bersama sebagai suami isteri.
d. Instutisional
Anak-anak atau orang dewasa tinggal dalam satu panti panti.
15
2.4 Pengertian Regresi
Regresi adalah suatu alat yang tujuannya membantu memperkirakan atau
menaksir nilai suatu variabel yang tidak diketahui dari satu atau beberapa variabel
yang diketahui (M.Iqbal Hasan, 2002). Analisis regresi didefinisikan sebagai
kajian terhadap hubungan satu variabel atau peubah yang disebut peubah yang
diterangkan (the explained variable) yang juga disebut sebagai peubah tergantung
dengan satu atau dua variabel / peubah yang menerangkan (the explanatory) yang
juga disebut peubah bebas.
Di dalam kegiatan pemodelan untuk rekayasa sipil, seringkali dijumpai
tinjauan hubungan antara variabel dengan satu atau lebih variabel lain. Secara
umum ada dua macam hubungan antara dua atau lebih variabel, yaitu bentuk
hubungan dan keeratan hubungan. Jika ingin diketahui bentuk hubungan dua
variabel atau lebih, digunakan analisis regresi sedangkan untuk analisis keeratan
hubungan, digunakan analisis korelasi.
Metode regresi yang paling umum digunakan adalah analisis regresi baik
itu yang bersifat linier maupun non linier. Jika variabel tidak bebas bersifat diskrit
analisis regresi linier tidak layak untuk digunakan karena dua alasan
(Ossenbruggen, 2003) yaitu :
1. Variabel tidak bebas di dalam metode regresi linier harus bersifat
kontinyu.
2. Variabel tidak bebas di dalam metode regresi linier dapat mengakomodasi
nilai negatif.
16
Kedua asumsi diatas tidak sesuai untuk kondisi variabel tidak bebas yang
bersifat kategori (diskrit). Variabel diskrit sering dinyatakan dalam kategori.
Variabel diskrit sering juga disebut variabel nominal atau variabel kategorik.
Apabila terdapat dua kategori disebut dikotom, misalnya variabel jenis kelamin
yang terdiri dari laki-laki dan perempuan. Apabila lebih dari dua kategori disebut
politom. Misalnya variabel latar belakang pendidikan yang dapat terdiri dari SD,
SMP, SMA, Perguruan Tinggi dan sebagainya. Sementara itu variabel kontinyu
adalah variabel yang nilainya dalam jarak tertentu dan dengan pecahan yang tidak
terbatas. Misalnya variabel berat badan ada yang 50 kg; 55,5kg; 70kg dan
sebagainya.
2.5 Regresi Logistik
Regresi logistik adalah bagian dari analisis regresi yang digunakan ketika
variabel dependen (respon) merupakan variabel dikotomi. (Kutner, MH). Variabel
dikotomi biasanya hanya terdiri atas dua nilai, yang mewakili kemunculan atau
tidak adanya suatu kejadian yang biasanya diberi angka 0 dan 1.
Didalam statistik, regresi logistik (seringkali disebut model logistik atau
model logit), digunakan untuk memprediksi kemungkinan (probabilitas) dari
suatu kejadian dengan data fungsi logit dari kurva logistik. Seperti banyak bentuk
analisis regresi, yang menggunakan beberapa variabel dapat berupa numerik atau
kategoris. Sebagai contoh, probabilitas bahwa seseorang memiliki serangan
jantung dalam jangka waktu tertentu, diprediksi dari pengetahuan tentang usia,
jenis kelamin orang tersebut dan indeks massa tubuh.
17
Untuk regresi logistik berapapun besarnya atau kecilnya harga x maka
nilai y akan tetap diantara 0 dan 1 artinya variabel dikotomi yang digunakan
dimana biasanya hanya terdiri atas dua nilai, yang mewakili kemunculan atau
tidak adanya suatu kejadian yang biasanya diberi angka 0 atau 1. Karena variabel
tidak bebas di dalam penelitian ini bersifat biner (memiliki dan tidak memiliki),
maka digunakan regresi logistik untuk menentukan hubungan antara variabel
bebas dan variabel tidak bebas (Washington, et.al, 2003. Al-Ghamdi,2002). Data
yang bersifat biner (binary) adalah data dengan 2 (dua) respon, misalnya memiliki
(1) tidak memiliki (0), gagal-berhasil, ya-tidak, on-of, 0-1 dan sebagainya.
Seperti pada analisis regresi berganda, untuk regresi logistik variabel bebas
(X) bisa juga berdiri lebih dari satu variabel dan dapat berupa variabel yang bersifat
kontinyu maupun diskrit. Regresi logistik merupakan regresi non linier dimana
model yang ditentukan akan mengikuti pola kurva linier seperti Gambar 2.1.
Gambar 2.1 Grafik Regresi Logistik
Sumber:www.ats.ucla.edu/stat/stata/webbooks/logistic, 2011
17
17
18
Penggunaan regresi logistik untuk analisis data yang bersifat biner lebih
baik dibanding dengan regresi linier atau Ordinary Least Square (OLS). Sebagai
contoh digunakan set data penelitian di California dari 1200 sekolah menengah
untuk mengukur prestasi akademis. Variabel tidak bebas yang dipakai disebut
hiqual. Variabel ini digolongkan menjadi 2 (dua) yaitu not_high_qual yang
dikodekan dengan 0 untuk nilai 744 ke bawah dan high_qual yang dikodekan
dengan 1 untuk nilai 745 ke atas.
Variabel bebas yang digunakan merupakan suatu variabel yang bersifat
kontinyu yang dinamakan dengan avg_ed yang merupakan suatu ukuran tingkat
rata pendidikan orang tua. Setelah regresi linier dijalankan maka akan didapat
nilai-nilai yang diramalkan dan grafiknya terhadap variabel yang diamati.
Pada Gambar 2.2 halaman 19, sumbu Y menunjukkan nilai probabilitas prestasi
akademik siswa dan sumbu X menunjukkan tingkat rata-rata pendidikan orang
tua. Dari grafik dibawah, garis yang melintang dalam arah 45
0
dari sumbu Y
menunjukkan persamaan linier pendidikan rata-rata orang tua dengan prestasi
akademis siswa. Dari grafik terlihat bahwa terdapat nilai yang diramalkan
mempunyai probabilitas kurang dari 0 (nol) dan lebih dari 1 (satu). Nilai-nilai
tersebut tidak mungkin mengingat variabel terikat didefinisikan sebagai 0 dan 1.
19
Gambar 2.2 Grafik Regresi Linier
. Sumber:www.ats.ucla.edu/stat/stata/webbooks/logistic, 2011
2.5.1 Desain dan Analisis Variabel Dummy
Di dalam regresi logistik yang diakomodasikan untuk variabel tidak bebas
biner maka didalam pemodelannya baik variabel bebas dan tidak bebasnya harus
dipresentasikan dalam bentuk kode. Variabel yang dinyatakan dalam bentuk kode
tersebut didefinisikan sebagai variabel dummy. Regersi logistik tidak hanya
mengasumsikan variabel tidak bebas bersifat dikotomi tetapi juga sebagai variabel
biner (binary), yaitu diberi kode sebagai 0 dan 1. Kode ini harus berupa bilangan
numerik dan bukan tekstual (string) dan merupakan suatu keharusan bahwa kode
dengan bilangan 0 berarti kejadian tidak ada (gagal) dan kode dengan bilangan 1
berarti kejadian ada atau berhasil (Washington et.al, 2003).
19
19
20
Pada dasarnya semua perangkat lunak statistik akan melakukan
perhitungan regresi logistik jika dan hanya jika variabel tidak bebas diberi kode 0
dan 1. Secara spesifik perangkat lunak statistik mengasumsikan variabel tidak
bebas mempunyai nilai selain 0 adalah 1. Sehingga jika variabel tidak bebas
diberikan kode 3 dan 4 maka perangkat lunak akan mendefinisikan sebagai
bilangan 1.
Variabel bebas diskrit di dalam pemodelannya harus direpresentasikan
dalam bentuk kode. Variabel yang dinyatakan dalam bentuk kode tersebut
didefinisikan sebagai variabel dummy. Untuk variabel dummy dengan beberapa
klasifikasi dapat diberi kode 0, 1, 2, 3, dst. Sebagai ilustrasi variabel pekerjaan
responden mempunyai beberapa klasifikasi yaitu profesional, TNI/POLRI, PNS,
wiraswasta, petani/nelayan dan pegarwai swasta maka di dalam pengkodeannya
klasifikasi variabel tipe kendaraan tersebut dapat diberikan kode mulai dari 0, 1,
2, dst maupun mulai dari 1, 2, 3, dst.
Sudah ditetapkan (by default) bahwa hampir semua perangkat lunak
statistik mempunyai prioritas untuk memprediksi probabilitas dari suatu kejadian
yang ada atau berhasil yang diberi kode bukan 0 yaitu 1. Probabilitas di dalam
statistik didefinisikan sebagai suatu ekspresi kuantitatif dari suatu kemungkinan
suatu kejadian akan terjadi. Secara formal probabilitas adalah jumlah kejadian
yang terjadi (berhasil) dibagi dengan jumlah kejadian yang dapat terjadi. Sebagai
contoh, didalam pelemparan koin yang mempunyai dua sisi, probabilitas satu
sisinya adalah atau 0.5.
21
Sebagaimana telah dijelaskan di atas, setiap variabel bebas kemungkinan
mempunyai beberapa klasifikasi seperti pada contoh klasifikasi pekerjaan
responden. Berkaitan dengan hal ini maka langkah selanjutnya adalah melakukan
uji statistik (uji hipotesis) untuk mengetahui apakah semua klasifikasi akan
diikutsertakan di dalam model. Sebagai contoh jika klasifikasi nelayan/petani
secara statistik mempunyai jumlah/frekuensi yang kecil atau tidak signifikan (p-
value < 0.05) dalam variabel bebas pekerjaan responden maka klasifikasi
nelayan/petani dapat direduksi dari variabel bebas tersebut. Selanjutnya masing-
masing variabel desain diuji keberartiannya dengan menggunakan rumusan selang
kepercayaan untuk proporsi populasi yaitu:
.......................................................(2.1)
dimana:
= proporsi sampel berdasarkan jumlah berhasil (kode = 1)
= 1-
n = jumlah sampel
= nilai variabel standar normal (Z) dengan area tails adalah
Rumusan tersebut digunakan untuk menghitung selang kepercayaan (95%)
dari proporsi sampel. Jika nilai dari selang kepercayaan mengandung nilai 0 dan
nilai-p lebih besar dari 0.05 maka variabel desain tersebut tidak signifikan. Hal
n
pq
Z p
2 /
p
q p
2
Z
2
22
demikian dapat mempengaruhi jumlah variabel desain yang terdapat pada variabel
dummy. Sebagai ilustrasi, hasil dari uji hipotesis untuk proporsi klasifikasi
variabel tersebut digambarkan pada Tabel 2.1 halaman 22.
Tabel 2.1 Uji hipotesis untuk proporsi klasifikasi pekerjaan responden
x n nilai - p
95% selang kepercayaan
Batas bawah Batas atas
PNS 235 605 0.388 0.3 0.4
Wiraswasta * 39 605 0.064 0 0.1
Nelayan/Petani * 28 605 0.046 0 0.1
TNI/POLRI 303 605 0.501 0.5 0.5
* Tidak signifikan secara statistik pada tingkat 5% (95% selang kepercayaan termasuk
nilai 0)
Dari hasil uji hipotesis tersebut terlihat bahwa klasifikasi wiraswasta dan
nelayan/petani direduksi dari variabel bebas pekerjaan responden, konsekuensinya
dua klasifikasi tersebut tidak diikutsertakan di dalam model. Kedua langkah di
atas yaitu analisis korelasi dan reduksi variabel dummy menunjukkan kegiatan
pemilihan variabel bebas di dalam model.
2.5.2 Bentuk Umum Regresi Logistik
Berdasarkan data bivarat (X,Y) dimana X adalah variabel numerik atau
variabel satu-nol dan Y adalah variabel respon satu-nol, dapat diperlihatkan model
regresi logistik dengan bentuk umum sebagai berikut (Washington, et.al, 2003) :
23
p = P(Y = 1) =
( )
( )
......................................... (2.2)
dimana p= P(Y=1) menyatakan proporsi skor/nilai Y=1, di dalam populasi di
antar semua skor/nilai satu-nol yang mungkin.
Besaran p = P(Y=1) kerap kali juga dinyatakan sebagai peluang atau
probabilitas peristiwa/kasus yang ditentukan oleh skor Y=1, jika sebuah/seorang
individu dipilih secara random dari populasi tertentu. Dengan memperhatikan
model regresi logistik tersebut, maka kita akan berbicara tentang peluang
p=P(Y=1) yang tergantung pada skor/nilai variabel bebas X. Oleh karena itu,
sebenarnya P(Y=1) menyatakan proporsi atau peluang bersyarat, yang secara
lengkap seharusnya ditulis seperti dibawah ini :
p
x
= P(Y=1X) ..................................................... (2.3)
Sehingga jelaslah bahwa dengan menerapkan model logistik berdasarkan data
tertentu, termasuk dengan data bivariat (X,Y) tersebut diatas, bertujuan untuk
memperkirakan atau mengestimasi besarnya proporsi Y=1 di dalam proporsi yang
bersangkutan.
Berkaitan dengan model regresi univariat pada umumnya, model regresi
logistik (2.2) juga dapat ditulis dalam bentuk sebagai berikut :
p/(1-p)=exp(
0
+
1
X)............................................ (2.4)
atau
ln[p/1-p)]=
0
+
1
X.................................................. (2.5)
Jika kita perhatikan ruas kanan persamaan (2.5) maka akan terlihat persis
sama dengan bentuk regresi linier sederhana dengan sebuah variabel bebas X,
24
dimana X adalah variabel satu-nol atau numerik. Berkaitan dengan model ini
perlu dipehatikan ketentuan sebagai berikut :
1. Pemakaian persamaan (2.5) disertai dengan asumsi atau persyaratan bahwa
ln[p/(1-p)] dan X mempunyai hubungan linier. Untuk mempelajari
kebenaran asumsi ini, maka diperlukan cukup banyak observasi untuk setiap
nilai/skor dari variabel X, sehingga dapat diperoleh suatu nilai p yang
rasional untuk setiap nilai/skor dari variabel X. Hal ini dipandang sebagai
salah satu kelemahan pemakaian model logistik, khususnya untuk X
numerik, karena pada umumnya kita tidak mempunyai observasi yang cukup
banyak untuk setiap nilai X.
2. Jika untuk setiap nilai/skor X terdapat cukup banyak observasi, maka nilai
ln[p/(1-p)] dapat dihitung untuk setiap nilai/skor dari variabel X.
Selanjutnya, dapat dibuat diagram pencar antara variabel tidak bebas
ln[p/(1-p)] dengan variabel bebas X, yang dapat menunjukkan kebenaran
asumsi yang dipakai secara empiris.
3. Dilain pihak, jika persyaratan hubungan linier tersebut tidak dapat diterima,
maka dengan sendirinya persamaan (2.5) tidak berlaku atau tidak sepatutnya
digunakan untuk data yang bersangkutan. Dalam kasus seperti ini, maka
harus dicoba dengan bentuk lain, diantaranya dengan memakai model non-
linier, model dengan variabel bebas in(X) sebagai ganti dari X dan model
kurva berbentuk S.
25
4. Jika X merupakan indikator satu-nol, maka asumsi hubungan linier untuk
persamaan (2.6) mutlak berlaku, karena hanya terdapat dua titik observasi
yang sesuai dengan X=0 dan X=1, dengan koordinat debagai berikut :
Untuk X=0 : ln[p
0
/ (1-p
0
)=
0 ............................................................
(2.6)
Untuk X=1 : ln[p
1
/ (1-p
1
)=
0
+
1 .................................................
(2.7)
Dengan
0,1
= parameter model, X = nilai variabel bebas, ln[p
1
/ (1-p
1
)=
transformasi logit atao logit p (natural log) dari rasio odds, dimana odds
fungsi dari p, probabilitas dari 1 (simbol untuk peluang suatu peristiwa
sukses atau berhasil atau terjadi).
2.5.3 Maximum Likelihood untuk Penentuan Parameter Model Logistik
Didalam regresi linier dikenal istilah kuadrat kecil (least squares) yang
digunakan untuk estimasi parameter model, sedangkan untuk regresi logistik yang
digunakan adalah prinsip estimasi maximum likelihood (ML). Prinsip dari ML ini
adalah parameter populasi diestimasi dengan cara memaksimumkan kemungkinan
(likelihood) dari data observasi. Estimator yang diperoleh dari metode ini disebut
dengan Maximum Likelihood Estimator (MLE).
Sebagai ilustrasi, misalkan pada suatu kabupaten A, 80% anak-anak
mempunyai asuransi kesehatan. Kemudian 10 orang anak di kabupaten A dipilih
secara acak, dengan probabilitas 7 dan 10 anak-anak mempunyai asuransi
kesehatan adalah 0,2013. Sementara itu di kabupaten B, 40% anak-anak
mempunyai asuransi kesehatan. Kemudian 10 orang anak di kabupaten B dipilih
secara acak dengan probabilitas 7 dan 10 orang anak mempunyai asuransi
kesehatan adalah 0,0425. Misalkan diketahui bahwa diantara 10 orang anak yang
26
dipilih secara acak dari salah satu kabupaten tersebut 7 orang mempunyai asuransi
kesehatan, berapakah persentase anak-anak dikedua kabupaten tersebut yang
mempunyai asuransi kesehatan? Apakah kemungkinannya lebih besar dari
kabupaten A dengan 80% asuransi kesehatan atau dari kabupaten B dengan 40%
asuransi kesehatan? Karena data observasi menunjukkan bahwa 7 dari 10 orang
anak yang mempunyai asuransi kesehatan lebih besar kemungkinannya di
kabupaten A maka kemungkinannya adalah sampel yang berasal dari kabupaten A
dengan estimasi rasio sebesar 80%.
Likelihood merupakan suatu fungsi dari data dan parameter model. Jika
terdapat data biner maka bentuk dari likelihood adalah sebagai berikut :
a. Y
i
= 1 dengan probabilitas p
i
b. Y
i
= 0 dengan probabilitas 1 - p
i
Misalkan jika data observasi bersifat bebas maka likelihood dari data Y
1
,
Y
2
,.,Y
n
adalah p
i
dan 1 p
i
. Jika untuk setiap Y
i
= 1, dengan probabilitas p
i
dan
untuk setiap Y
i
= 0 dengan probabilitas 1 p
i
maka bentuk umum dari likelihood
(L):
= (1 ) ....(2.8)
Fungsi logistik linier dapat digunakan untuk menjelaskan hubungan antara
probabilitas p
i
dan variabel X
i
sebagai berikut :
p
i
=
( )
( )
.....(2.9)
dan 1 =
( )
....(2.10)
27
Dengan menggunakan kedua persamaan (2.9) dan (2.10) pada persamaan (2.8)
diperoleh:
i
i
i
i
i
Y
X
Y
n
i
X
X
e e
e
L

+
=
+
+
|
'
+
|
|
'
+
=
[
1
1
1 0 1 0
1 0
1
1
1

,
[
=
+
+
+
=
n
i
X
Y
X
i
i
i
e
e
1
1 0
1 0
1

.(2.11)
Menghitung nilai
0
dan
1
pada persamaan (2.11) merupakan suatu hal yang
berat untuk dilakukan. Seringkali ditemukan bahwa lebih mudah untuk
menggunakan logaritmik natural dari likelihood itu sendiri yaitu dengan memilih
0
dan
1
untuk memaksimumkan log likelihood. Log-likelihood dari data biner di
dalam suatu model regresi logistik adalah :
,
_ _
=
+
=
+ + =
n
i
X
n
i
i i
i
e X Y L
1 1
1 0
1 0
1 log ) ( ) log(

....( 2.12)
Serupa dengan prinsip kuadrat kecil pada regresi linier, akan terdapat dua
persamaan yang harus dipecahkan untuk dua parameter (solusinya adalah estimasi
dari
0
dan
1
). Akan tetapi tidak seperti pada kuadrat terkecil, dua persamaan dari
regresi logistik bersifat tidak linier sehingga harus dipecahkan dengan proses
iterasi. Ini dimungkinkan dengan penentuan nilai awal untuk
0
dan
1
, evaluasi
log-likelihood, penentuan nilai baru untuk
0
dan
1
yang menaikkan nilai log-
likelihood, dan mengulangi proses tersebut sampai nilai log-likelihood tidak
berubah atau konstan pada suatu nilai tertentu. Jika hal tersebut terjadi maka
dikatakan bahwa proses iterasi nilai log-likelihood sudah besifat konvergen.
28
2.5.4 Uji Kelayakan Model (Goodness of Fit)
Uji kelayakan model dilakukan dengan menggunakan uji statistic dari
Hosmer dan Lemeshow. Uji ini bertujuan untuk mempelajari sejauh mana
kesesuaian model regresi logistik yang dipakai di dalam memodelkan hubungan
antara variabel bebas dan variabel tidak bebas. Hipoteis nol dari uji statistik ini
adalah model yang di uji layak, sedangkan hipotesis alternatifnya adalah model
yang di uji tidak layak (model tidak mampu mempresentasikan hubungan antara
variabel bebas dan variabel tidak bebas). Uji statistik ini dilakukan dengan
membagi data ke dalam group (g). Grup ini dibentuk dengan mengurutkan data
eksisting berdasarkan tingkat probabilitasnya. Jadi data diurutkan dari data yang
paling kecil kemungkinannya (p~0) ke data yang paling besar kemungkinannya
(p~1). Group umumnya dipecah menjadi 10 group. Setiap group yang dihitung
memilki data observasi dan hasil prediksi.
Prinsip dasar dari uji statistik ini adalah frekuensi hasil prediksi dan
frekuensi observasi dari variabel tidak bebas harus mempunyai perbedaan yang
relatif kecil. Semakin kecil perbedaannya semakin layak model tersebut. Model
yang layak menurut uji statistik ini akan mempunyai nilai probabilitas (p-value)
yang besar yaitu lebih besar dari tingkat keyakinan 5% atau = 0.05
(Washington,et.al,2003).
Formula dari uji Hosmer and Lemeshow ini adalah :
_
=
=
9
1
2
^
) (
k k
k k
v
E O
C
.................................(2.13)
29
dengan :
= Uji Hosmer-Lemeshow (H-L test)
O
k
= Nilai observasi pada group yang ke-k
E
k
= Nilai Ekspektasi pada group yang ke-k
v
k
= Faktor koreksi variansi untuk group yang ke-k
Sebagai ilustrasi diberikan tabel perbandingan frekuensi prediksi dan
observasi serta hasil uji statistik pada table berikut :
Tabel 2.2 Ilustrasi Uji Statistik Hosmer and Lemeshow
Group Prob Obs_1 Exp_1 Obs_0 Exp_0 Total
1 0.0016 0 0.1 71 70.9 71
2 0.0033 1 0.2 73 73.8 74
3 0.0054 0 0.3 74 73.7 74
4 0.0096 1 0.5 64 64.5 65
5 0.0206 1 1.0 69 69.0 70
6 0.0623 4 2.5 69 70.5 73
7 0.1421 2 6.6 66 61.4 68
8 0.4738 24 22.0 50 52.0 74
9 0.7711 44 43.3 25 25.7 69
10 0.9692 61 61.6 8 7.4 69
30
number of observations = 70.7
number of groups = 10
Hosmer-Lemeshow chi2(8) = 9.15
Prob > chi2 = 0.3296
Sumber:www.ats.ucla.edu/stat/stata/webbooks/logistic,2011
Dengan nilai p-value 0.3296 (0.33) dapat dikatakan bahwa uji statistik
mengindikasikan bahwa model yang dikembangkan layak di dalam
menggambarkan hubungan antara variabel bebas dan tidak bebasnya.
2.5.5 Pengertian Kalibrasi dan Validasi
Kalibrasi adalah proses perhitungan untuk menentukan nilai parameter
(konstanta dan koefisien) dari suatu model. Misal suatu model regresi sederhana:
y=a+bx diperoleh hasil kalibrasinya adalah: y = 89,9 + 2,48x. Ini memberi makna
persamaan bahwa: y mempunyai hubungan linier dengan x, perubahan satu satuan
dari nilai x akan merubah nilai y sebesar 2,48 satuan, dan dengan nilai konstanta
yang cukup tinggi, merupakan indikasi kemungkinan galat adalah hubungan y dan
x sebenarnya tidak linier, tidak diperhitungkannya variabel bebas lainnya yang
lebih signifikan (galat spesifikasi), atau terdapat kesalahan pengumpulan data
(galat pengukuran).
Validasi berasal dari kata validity yang berarti sejauh mana ketepatan dan
kecermatan suatu alat ukur dalam mengukur suatu data. Dengan demikian pada
kajian ini model yang validasi adalah model yang dianggap baik yang telah
diperoleh dari proses kalibrasi yaitu untuk signifikansi tujuan, ketepatan prosedur,
31
manfaat hasil penelitian dan juga untuk memahami data, penelusuran data sesuai
teori yang yang digunakan dan di analisis secara statistik.
2.5.6 Ratio Odds dan Probabilitas
Setelah model dinyatakan layak di dalam menggambarkan hubungan
antara variabel bebas dan tidak bebas maka langkah selanjutnya adalah
menginterpretasikan model tersebut yang berguna di dalam penarikan kesimpulan.
Di dalam kegiatan penginterpretasikan model tersebut terdapat kegiatan analisis
ratio odds. Secara harafiah odds mempunyai arti yang sama dengan peluang atau
probabilitas atau kemungkinan. Akan tetapi di dalam ststistik, peluang atau
kemungkinan dan odds mempunyai konsep yang berbeda. Odds dari suatu
kejadian digambarkan sebagai peluang dari peristiwa yang terjadi dibagi oleh
peluang dari peristiwa yang tidak terjadi. Sebagai ilustrasi di dalam pelemparan
koin, kemungkinan memperoleh kepala adalah 0,5 dan kemungkinan tidak
mendapatkepala juga 0,5. Karenanya, odds adalah 0,5/0,5 = 1.
Bahwa kemungkinan dari suatu peristiwa yang terjadi dan kemungkinan
dari peristiwa tidak terjadi, jumlahnya harus 1. Jika diasumsikan bahwa dengan
mengubah koin sedemikian rupa sehingga kemungkinan mendapat kepala adalah
0.6 maka kemungkinan tidak mendapat kepala menjadi 0.4. Odds mendapat
kepala akan menjadi 0.8/0.2 = 4.
Dari ilustrasi tersebut terlihat bahwa, ketika odds sama kemungkinan dari
peristiwa terjadi sama dengan kemungkinan peristiwa tidak terjadi. Ketika odds
32
salah satunya lebih besar, kemungkinan dari kejadian peristiwa adalah lebih tinggi
dibanding kemungkinan dari peristiwa tidak terjadi, dan ketika odds lebih kecil
dari yang lainnya, kemungkinan dari kejadian peristiwa kurang dari kemungkinan
dari peristiwa tidak terjadi. Odds dapat dikonversi kembali ke suatu peluang
(probabilitas) yaitu dengan rumusan peluang = odds / (1+odds). Konsep
berikutnya adalah mengenai ratio odds, seperti telah diketahui bahwa ratio odds
(odds ratio) adalah perbandingan dua odds. Sebagai ilustrasi, diasumsikan bahwa
terdapat wanita dan pria di dalam satu regu dengan proporsi 75% wanita dan 60%
pria. Odds untuk wanita adalah 0.75/0.25 = 3, dan odds untuk pria adalah 0.6/0.4
= 1.5. Ratio odds akan menjadi 3/1.5 =2, artinya bahwa odds dari wanita
dibanding pria untuk ikut bergabung ke dalam regu adalah 2 berbanding 1.
Sebagai ilustrasi di dalam pengertian mengenai odds dan probabilitas
(kemungkinan) dapat dilihat pada contoh berikut. Misalnya untuk analisa keropos
tulang (osteoporosis) diperoleh suatu model logit sebagai berikut :
( ) =
1
= + .
dimana variabel bebas umur merupakan umur responden. Dari hasil pemodelan
diperoleh bahwa koefisien a dan b bernilai masing-masing -21.18 dan 1.629.
Menggunakan kedua nilai ini maka diperoleh model sebagai berikut :
( ) =
1
=21.18+1.629.
33
Untuk menginterpretasikan model ini misalnya diinginkan untuk mengetahui
probabilitas seorang anak berumur 10 tahun menderita keropos tulang dapat
dilakukan dengan cara :
( ) =
1
=21.18+1.629(10) = 4.89
Nilai -4.89 diatas bukan nilai probabilitas.
Untuk memperoleh nilai yang diinginkan maka dihitung exp (-4.89) = 0.0075.
Nilai ini merupakan nilai odds yang mengindikasikan bahwa berubahnya seorang
anak sebanyak satu unit umur akan menyebabkan nilai odds dari anak tersebut
menderita keropos tulang adalah 0.0075. Jika ingin diketahui probabilitas seorang
anak berumur 10 tahun maka dilakukan dengan menghitung :
=
( )
1+
( )
=
.
1+
.
=
0.0075
1+0.0075
=0.007
Hasil diatas menyatakan bahwa probabilitas (kemungkinan) seorang anak
berumur 10 tahun ke bawah menderita keropos tulang adalah sangat kecil (0.7%).
2.6 Penggunaan Perangkat Lunak SPSS version 15
Adapun perintah (command) untuk menjalankan model regresi logistik
pada perangkat lunak SPSS ver.15 secara umum adalah sebagai berikut :
a. Buka file dummy dalam format CSV (Comma Separeted Variabel)
melalui menu file, Open, Data, pilih direktori tempat file dummy
34
diletakkan dan pilih tipe file all files (*.*). Untuk memudahkan
analisis, definisikan label variabel bebas dan variabel tidak bebas
dengan pilihan menu Data kemudian pilih Define Variable Properties.
b. Pilih menu Analyze, Regression, Binary Logistic. Kemudian masukkan
variabel tidak bebas pada Dependent dan varaibel bebas pada
Covariates.
c. Pada menu Method pilih Backward:LR untuk metode stepwise
backward likelihood ratio test.
d. Pilih menu Categorical jika terdapat variabel bebas dengan tipe data
diskrit dan masukan variabel bebas diskrit tersebut. Setelah selesai klik
Continue.
e. Pada menu Save contreng Probabilities, Studentized dan Cooks.
Kemudian klik Continue.
f. Pada menu Option contreng Hosmer-Lemeshow goodness of it,
kemudian klik Continue. Untuk melihat keluaran model klik OK.
35
BAB III
METODE PENELITIAN
3.1 Tahapan Penelitian
Tahapan penelitian mencangkup langkah-langkah pelaksanaan penelitian
dari awal sampai akhir. Tahapan dalam penelitian ini diawali dengan suatu studi
untuk mengidentifikasi daerah/wilayah suatu lokasi, mengenali wilayah dan
permasalahannya sehingga dapat ditetapkan sebagai lokasi studi, mengidentifikasi
data yang dibutuhkan, mengidentifikasi pustaka dan acuan yang akan digunakan,
serta mengidentifikasi perangkat lunak yang dapat diacu dalam menganalisis data.
Dengan menetapkan tujuan yang menjadi sasaran studi dan identifikasi pustaka,
dicoba untuk mendesain formulir survai berupa desain kuesioner dan survai
pendahuluan untuk menentukan desain sampel yang sangat dibutuhkan sebelum
dilakukan survai secara menyeluruh, serta menentukan data apa saja yang
diperlukan. Dari survai menyeluruh tersebut akan didapatkan data lapangan
sebagai data primer dan data sekunder dari instansi terkait, literature, jurnal
ilmiah, yang selanjutnya akan diolah dalam rangka penyusunan laporan.
Dengan demikian, langkah-langkah yang pasti dapat diperoleh, sehingga
memperkecil kekeliruan yang terjadi seperti pengumpulan data yang tidak perlu,
mengetahui jenis data yang dibutuhkan secara tepat dan sejak awal sudah
dipersiapkan mencari pustaka dan acuan yang dibutuhkan, yang akan digunakan
dalam proses analisis, dan yang tidak kalah pentingnya dapat menghemat waktu
mengingat waktu yang terbatas, menghemat tenaga kerja dan dapat menggunakan
36
tenaga yang membantu survai secara optimal dan pada ujungnya dapat member
penghematan dalam pendanaan, mengingat dana yang dibutuhkan tidak sedikit.
Tahapan yang dilakukan dalam penelitian ini dijelaskan pada Gambar 3.1
Studi Pendahuluan :
- Identifikasi / penentuan lokasi studi
- Identifikasi data
- Identifikasi pustaka
- Identifikasi alat bantu (perangkat lunak)
Latar Belakang dan Rumusan Masalah
Tujuan Penelitian
Pengumpulan Data
Data Sekunder :
- Gambar Peta Lokasi
- Jumlah Penduduk, dll
Data Primer dari Home interview Survey :
- Informasi Umum Rumah Tangga
Tabulasi Data
Analisis Karakteristik Sosial-Ekonomi
A
37
Gambar 3.1 Diagram Alir Tahapan Penelitian
3.1.1 Survai Pendahuluan
Survai pendahuluan (pilot survey) adalah survai skala kecil yang dilakukan
sebelum pelaksanaan survai menyeluruh. Tujuan survai pendahuluan adalah untuk
mengetahui antara lain:
a. Jumlah sampel yang dibutuhkan pada survai sesungguhnya.
b. Tingkat kesesuaian metode survai yang akan digunakan (kesesuaian dan
kelengkapan kuisioner yang digunakan).
c. Estimasi biaya survai.
d. Kesesuaian dari metode kompilasi yang digunakan.
Pembentukan Variabel Dummy dan Uji Hipotesis Variabel
Bebas dan Melakukan Reduksi Variabel Bebas
A
Kalibrasi Model Regresi Logistik
Validasi
Analisis Pengaruh Faktor dan Probabilitas
Kepemilikan Sepeda Motor
Simpulan dan Saran
38
e. Tingkat efisiensi (biaya) dan efektivitas (waktu survai) yang diperlukan.
Faktor yang perlu diperhatikan pada pelakasanaan survai adalah
penyediaan sumber daya pendukung penelitian. Sumber daya yang dibutuhkan
adalah manusia (surveyor), pembiayaan, dan waktu. Faktor tersebut dapat juga
berfungsi sebagai pembatas dalam ruang lingkup penelitian.
3.1.2 Kompilasi Data
Kompilasi data adalah proses penyusunan data mentah untuk mendapatkan
hasil berupa data yang siap digunakan pada tahap analisis. Dalam tahap ini terjadi
pengkategorian data ke dalam parameter analisis. Data awal yang akan diolah
masih berupa kumpulan kuisioner hasil pengisian di lapangan (data mentah).
Kompilasi data bertujuan untuk menkonversikan data mentah menjadi data yang
siap untuk dianalisis. Data yang siap untuk dianalisis dapat ditampilkan dalam
bentuk tabel atau grafik. Tabel dibuat berdasarkan parameter yang ditinjau dalam
analisis.
3.2 Lokasi dan Waktu Penelitian
Lokasi penelitian dilakukan di wilayah Kabupaten Buleleng yaitu sebagai
berikut :
a. Kabupaten Buleleng yang terdiri dari 9 Kecamatan dibagi menjadi
27 zona. Dalam hal ini setiap zona dapat terdiri dari satu atau lebih
desa/kelurahan dalam satu wilayah kecamatan. Pembagian ini didasarkan
atas jumlah penduduk masing-masing desa dengan menggunakan batas
39
administratif sebagai batas zona (zona boundary). Zona studi dibatasi oleh
garis kordon (cordon line) yang merupakan batas administrarif dari
Kabupaten Buleleng.
b. Tabel 3.1 memperlihatkan pembagian zona di Kabupaten Buleleng.
c. Studi dilakukan pagi hingga sore selama jam kerja.
Tabel 3.1 Pembagian zona di Kabupaten Buleleng
KECAMATAN ZONA DESA / KELURAHAN
GEROKGAK
1
Sumber Kelampok
Pejarakan
Sumber Kima
Pemuteran
2
Banyupoh
Penyabangan
Musi
Sanggalangit
Gerokgak
3
Patas
Pengulon
Tinga-tinga
Celukan Bawang
Tukad Sumaga
SERIRIT
4
Banjar Asem
Kalisade
Pangkung Paruk
Lokapaksa
Umeanyar
5
Seririt
Pengastulan
Patemon
Kalianget
Tangguwisia
Sulanyah
40
SERIRIT 6
Unggahan
Gunungsari
Munduk Bestala
Bestala
Mayong
Rangdu
Ularan
Ringdikit
Joanyar
Bubunan
BUSUNGBIU
7
Sepang Kelod
Tista
Bongancina
Puncaksari
Sepang
Telaga
Titab
Kekeran
8
Busungbiu
Pelapuan
Subuk
Tinggarsari
Kedis
Bengkel
Umejero
BANYUATIS
9
Banyuatis
Gesing
Munduk
Kayuputih
Gobleg
Tirtasari
10
Banyuseri
Tampekan
Banjar Tegeha
Banjar
Dencarik
Sidetapa
41
BANYUATIS 11
Pedawa
Tigawasa
Cempaga
Temukus
Kaliasem
SUKASADA
12
Tegallinggah
Selat
Kayuputih
Panji Anom
13
Pancasari
Wanagiri
Pegayaman
Silangjana
Gitgit
Pengadugan
14
Padangbulia
Ambengan
Sukasada
Sambangan
Panji
BULELENG
15
Kalibukbuk
Anturan
Tukad Mungga
Pemaron
Baktiseraga
Banyuasri
16
Paket Agung
Beratan
Liligundi
Kp. Singaraja
Kendran
Sarimekar
Petandakan
Nagasepeha
Alasangker
Poh Bergong
42
BULELENG
17
Banjar Tegal
Astina
Br. Jawa
Br. Bali
Kp. Kajanan
Kaliuntu
Kp. Anyar
Kp. Bugis
Kp. Baru
18
Banyuning
Penarukan
Jinengdalem
Penglatan
SAWAN
19
Sinabun
Kerobokan
Sangsit
Suwug
20
Sawan
Menyali
Jagaraga
Bungkulan
21
Lemukih
Galungan
Sekumpul
Bebetin
Sudaji
KUBUTAMBAHAN 22
Bila
Bengkala
Kubutambahan
Bulian
43
Sumber: BPS, 2010 dan Hasil Analisis, 2011
3.3 Desain Kuisioner (Formulir Pengisian Survai)
Desain kuisioner bertujuan untuk merancang bentuk dan isi kuisioner yang
tepat agar sasaran yakni data atau informasi yang diperoleh memenuhi kebutuhan
proses analisis data. Hal ini dapat ditunjukkan dari pemenuhan aspek kuantitatif
dan kualitatif data yang dikumpulkan. Dalam desain kuisioner pengetahuan
mengenai karakterstik responden sebagai obyek survai adalah sangat penting.
Karakteristik masyarakat sebagai responden ditinjau dari kelompok sosial tempat
bermukim dan latar belakang pendidikan. Walaupun peninjauan karakteristik
hanya dilakukan berdasarkan daya nalar, namun hal tersebut penting karena
tenaga survai (surveyor) perlu mengetahui dan menduga bagaimana tanggapan
responden sebelum menjalani penelitian.
KUBUTAMBAHAN
23
Tambakan
Pakisan
Bontihing
Tamblang
24
Tajun
Depeha
Tunjung
Bukti
TEJAKULA
25
Sembiran
Pacung
Julah
Bondalem
26
Madenan
Tejakula
Les
27
Penuktukan
Sambirenteng
Tembok
44
Pengetahuan tentang karakteristik responden diperlukan pada saat
membuat kuisioner. Hal-hal yang perlu diperhatikan dalam desain kuisioner
antara lain:
a. Format dan gaya formulir isian (tampilan formulir),
b. Format dan tipe pertanyaan yang diajukan (pertanyaan aktif atau pasif),
c. Isi pertanyaan yang diajukan,
d. Susunan pertanyaan (dari bentuk yang sederhana hingga kompleks),
e. Penjelasan tentang cara mengisi kuisioner (cara lisan dan tulisan).
3.4 Desain Sampel
Setelah studi pendahuluan, maka akan diketahui secara pasti jenis dan tipe
data yang dibutuhkan untuk survai. Begitu juga parameter data dan juga metode
yang akan digunakan dalam pengumpulan data. Apakah semuanya memerlukan
pengamatan di lapangan atau hanya diambil dari data sekunder.
Khusus untuk data yang pengumpulannya diperlukan dengan kuisioner
maka yang paling penting untuk dikaji terlebih dahulu adalah berkaitan dengan
masalah sampling atau desain sampel. Pada dasarnya tujuan dari desain sampel
adalah untuk menentukan spesifikasi kualitatif atau kuantitatif dari tata cara
pengambilan sampel pada saat survai dilakukan. Sampel adalah bagian dari
populasi. Sedangkan populasi adalah totalitas semua nilai yang mungkin, baik
hasil menghitung maupun pengukuran kuantitatif maupun kualitatif dari
karakteristik tertentu mengenai sekumpulan obyek yang lengkap dan jelas
(Sudjana, 1992).
45
Bila populasi besar dan penelitian tidak mungkin mempelajari semua yang
ada pada populasi, misalnya karena keterbatasan dana, tenaga dan waktu maka
penelitian dapat mempergunakan sampel yang diambil dari populasi itu. Apa yang
dipelajari dari sampel itu, kesimpulan akan dilakukan untuk populasi. Untuk
sampel yang diambil dari populasi harus betul-betul mewakili (Sugiono, 1993).
Langkah-langkah kegiatan yang perlu dilakukan pada tahap desain sampel
ini meliputi :
a. Penentuan target populasi
Target populasi dalam penelitian ini adalah Kepala Keluarga (KK) di
Kabupaten Buleleng sesuai dengan data dari Badan Pusat Statistik tahun
2010.
b. Merumuskan unit sampel
Unit sampel adalah unit dasar yang akan digunakan dalam dasar penentuan
besaran sampel. Unit sampel dalam penelitian ini yaitu anggota keluarga di
Kabupaten Buleleng yang berusia 5 sampai 65 tahun.
c. Menentukan kerangka sampel (sampling frame)
Kerangka sampel adalah merupakan lingkup acuan dimana identifikasi
elemen atau unit analisis dapat dilakukan dari populasi. Kerangka sampel
berisi semua atau mendekati semua keluarga dalam tiap zona.
d. Menentukan tingkat kesalahan dan tingkat bias yang masih ditolerir
Tingkat kesalahan yang diperbolehkan adalah 5% itu berarti tingkat
keyakinan yang diperoleh nantinya sebesar 95%.
46
e. Menentukan besar sampel
Penarikan sampel dilakukan untuk mendapatkan sampel dengan jumlah
relatif kecil dari seluruh populasi, meskipun jumlahnya relatif kecil
dibandingkan jumlah populasi tetapi mampu mempresentasikan jumlah
seluruh populasi yang dimaksud. Sampel yang diambil sebanyak 2% agar
dapat mewakili kondisi seluruh populasi.
Besarnya pengambilan sampel untuk masing-masing obyek yang diteliti
tergantung dari :
a. Kemampuan penelitian dilihat dari waktu, tenaga dan dana.
b. Sempit luasnya wilayah pengamatan.
c. Besar kecilnya resiko yang ditanggung oleh peneliti
Hasil dari tahapan ini adalah berupa tata cara dan spesifikasi sampling dari
masing-masing jenis data yang akan dikumpulkan melalui survai lapangan.
3.5 Penentuan Sampel
Pengambilan sampel membantu mengalokasikan sumber daya yang
terbatas. Desain tersebut bertujuan untuk memperoleh data yang representatif atau
mewakili populasi. Hal ini mendukung penentuan besar sampel. Tujuan tahap
desain sampel adalah menentukan spesifikasi kualitatif dan kuantitatif dari tata
cara pengambilan sampel pada saat survai dilaksanakan. Sasaran terakhir tahapan
desain sampel adalah teknik pengambilan sampel dan besar sampel.
47
Tahap pengambilan sampel antara lain :
1. Target populasi
Target populasi adalah kumpulan obyek yang dilengkapi tempat informasi
atau data yang akan dikumpulkan. Dalam hal ini elemen-elemen dasar dari
kumpulan obyek dimaksud dapat berupa orang, rumah tangga, kendaraan,
daerah geografis, ataupun obyek-obyek lainnya yang bersifat diskrit. Target
populasi ditentukan berdasarkan tujuan survai.
2. Unit sampel
Unit sampel adalah suatu unit yang akan digunakan sebagai dasar bagi
penentuan besar sampel. Suatu populasi pada dasarnya terbentuk dari
sekumpulan elemen-elemen individual yang membentuknya. Unit sampel
pada umumnya merupakan pengelompokan dari elemen populasi (unit analisis
dari populasi). Dalam banyak hal unit sampel dapat menjadi sama dengan
elemen populasi.
3. Daftar acuan pengambilan sampel (sampling frame)
Sampling frame adalah merupakan daftar acuan yang digunakan untuk
mengidentifikasi elemen (unit analysis) dari populasi. Sampling berisi semua
atau sebagian besar unit sampel yang ada dalam populasi. Sampling frame
tergantung dari populasi dan unit sampel yang akan digunakan.
4. Metode penarikan sampel
Tujuan penarikan sampel adalah mendapatkan sampel dari populasi agar
sampel tersebut representatif atau mewakili populasi. Atas pertimbangan
bahwa sampel yang diambil digunakan untuk merepresentasikan seluruh
48
populasi, maka cara penentuan yang tepat dalam menarik sampel menjadi
penting. Ditinjau dari metode penarikan sampel suatu populasi dikenal
beberapa cara yaitu (Syofian Siregar, 2010):
a. Simple Random Sampling.
Pada simple random sampling pengambilan sampel dilakukan secara acak
(dengan metode angka acak tertentu) dari seluruh populasi yang ada. Ciri
utama sampling ini adalah setiap unsur dari keseluruhan populasi
mempunyai kesempatan yang sama untuk dipilih.
b. Stratified Random Sampling.
Pada stratified random sampling pengambilan sampel berdasarkan
informasi awal berkaitan dengan stratifikasi dari populasi. Dalam hal ini
pengambilan sampel pada setiap stratifikasi dilakukan secara acak, sama
halnya seperti yang dilakukan pada simple random sampling. Teknik ini
digunakan apabila populasinya heterogen atau terdiri atas kelompok-
kelompok yang bertingkat, misalnya menurut pendapatan, usia, jenjang
pendidikan.
c. Clustered Sampling.
Pada teknik ini total populasi dibagi menjadi sekumpulan cluster unit
sample. Selanjutnya masing-masing cluster ditarik sampelnya secara acak.
Teknik ini digunakan apabila populasi tersebar di beberapa daerah,
propinsi, kabupaten, kecamatan dan seterusnya.
49
d. Systematic Sampling.
Teknik pengambilan sampel pada metode ini dilakukan dengan memilih
unit sampel berdasarkan daftar dan penarikannya dilakukan berdasarkan
interval tertentu, misalnya setiap kelipatan 5 atau 10 dari daftar pegawai.
5. Penentuan besar sampel
Besar sampel yang digunakan untuk merepresentasikan seluruh populasi
dipengaruhi oleh faktor-faktor sebagai berikut:
a. Tingkat variabilitas parameter yang akan ditinjau dari seluruh populasi
yang ada,
b. Tingkat ketelitian yang dibutuhkan untuk mengukur parameter yang
dimaksud,
c. Besar populasi tempat parameter yang akan disurvai. Besarnya sampel
dapat ditentukan secara statistik. Statistik yang digunakan untuk
menentukan besar sampel dari populasi .
Jika suatu harga parameter dari suatu populasi mempunyai tingkat
variabilitas yang tinggi, maka secara logis akan dijumpai kenyataan bahwa jika
jumlah sampel yang ditarik terlalu sedikit maka tidak akan mampu mawakili
kondisi seluruh populasi dan sebaliknya. Dari tingkat ketelitian harga parameter
yang akan diukur, maka makin tinggi tingkat ketelitian yang diinginkan maka
makin besar pula jumlah sampel yang dibutuhkan. Jika ditinjau dari besarnya
populasi, maka makin besar populasi akan makin besar pula jumlah sampel yang
dibutuhkan untuk mewakili kondisi seluruh populasi (Santoso, 1996).
50
3.6 Teknik Pengambilan Sampel
Sampel adalah sekumpulan unit yang merupakan bagian dari populasi dan
dipilih untuk merepresentasikan seluruh populasi. Teknik pengambilan sampel
pada penelitian ini menggunakan metode sampling Acak Berlapis (Stratified
Random Ssampling), yaitu dilakukan jika populasi mempunyai karakteristik yang
heterogen, dimana dapat dipisah-pisahkan menurut lapisan tertentu, kemudian dari
masing-masing lapisan dilakukan pengambilan sampel secara random.
Pengambilan dilakukan dengan membagi populasi menjadi beberapa
lapisan, sehingga setiap lapisannya relatif homogen dan ada hubungan antara
posisi dalam suatu lapisan tertentu dengan ciri yang sedang diteliti, sebagai
berikut :
1. Pengambilan sampel dilakukan berdasarkan tingkat wilayah, dengan cara :
a. Membagi wilayah populasi menjadi sub wilayah, kemudian dari sub
wilayah ditetapkan sebagai sampel. (Misal penelitian disuatu Kecamatan,
diambil beberapa Desa/Kelurahan sebagai sampel).
b. Dari sub wilayah sampel ditetapkan pula sub-sub wilayah sebagai sampel.
(Dari Desa/Kelurahan yang menjadi sampel, diambil beberapa Banjar
sebagai sampel dan seterusnya sesuai persyaratan jumlah sampel).
c. Dari bagian-bagian yang lebih kecil, ditetapkan unit-unit sebagai sampel
(Dari bagian terkecil misalnya Banjar, diambil sebagian atau seluruh unit
sebagai sampel misalnya : Tempekan-Tempekan)
2. Pengambilan sampel berdasarkan daerah kajian studi yang ada yaitu di 9
kecamatan pada Kabupaten Buleleng.
51
3.7 Cara Pelaksanaan Survai
Pelaksanaan survai (home interview) dilakukan dengan cara mendatangi
setiap anggota keluarga yang dipilih. Kunjungan dilakukan dengan membawa
identitas Kartu Tanda Mahasiswa Universitas Udayana, Surat ijin penelitian dari
Instansi yang terkait, dan formulir pengisian (kuisioner). Penyebaran sampel pada
masing-masing kelurahan/desa disesuaikan dengan persentase jumlah KK pada
masing-masing kelurahan/desa. Jumlah tenaga survai diperlukan sebanyak 10
orang ditambah dengan 2 orang survai cadangan apabila diantara 10 orang survai
berhalangan dalam melakukan tugasnya. Disetiap zona terdiri dari 2 surveyor.
Dalam pelaksanaan survai tersebut dibutuhkan 6 hari. Dalam sehari
diperhitungkan 5 zona yang akan disurvai. Selain itu para surveyor diminta
melakukan survai di dalam daerah kajian sesuai pembagian yang telah disepakati
bersama, supaya tidak saling tumpang tindih (jangan sampai terjadi seorang
responden di-interview lebih dari satu kali).
3.7.1 Data Primer
Data primer adalah data hasil survai wawancara rumah tangga (home
interview) untuk mendapatkan informasi umum rumah tangga, informasi anggota
keluarga, informasi perjalanan (formulir survai terlampir seperti pada lampiran),
antara lain:
a. Survai Informasi Umum Rumah Tangga
Pada survai informasi umum rumah tangga dilakukan pencatatan ukuran
keluarga yang terdiri atas: jumlah orang dalam rumah tangga, jumlah yang
52
bekerja, jumlah pelajar dan anggota keluarga yang berumur 5-65 tahun.
Selain itu dilakukan pencatatan kepemilikan kendaraan sepeda motornya.
b. Survai Informasi Anggota Keluarga
Pada survai informasi anggota keluarga dicatat status responden (menikah,
duda/janda, belum menikah), jenis kelamin, pendidikan, pendapatan
bulanan, pengeluaran untuk biaya transportasi setiap bulan, pekerjaan dan
lokasi tempat bekerja.
Data hasil survai wawancara di rumah tersebut dikelompokkan ke dalam beberapa
kategori, yang dapat disajikan didalam Tabel sebagai berikut:
Tabel 3.2 Data yang dikumpulkan dari Responden
No Data Rumah tangga/Keluarga
1.
2.
3.
4.
5.
6.
7.
8.
Jumlah anggota keluarga
Jumlah anggota keluarga yang bekerja
Jumlah anggota keluarga yang pelajar/mahasiswa
Total pendapatan dalam satu rumah tangga/keluarga
Total jumlah sepeda motor yang dimiliki
Jarak perjalanan perhari yang ditempuh oleh semua anggota keluarga
Pengeluaran biaya transportasi
Waktu perjalanan
Sumber: Hasil Analisis, 2011
3.7.2 Data Sekunder
Data sekunder didapat dari Dinas Perhubungan Propinsi Bali tentang : Peta
Pulau Bali khususnya wilayah Kabupaten Buleleng. Sedangkan dari Badan Pusat
Statistik Propinsi Bali dan Kantor Desa/Kelurahan tentang : data penduduk, data
usia sekolah dan teori lainnya didapat dari literatur, jurnal ilmiah dan internet.
53
3.8 Pengolahan Data
Pengolahan data adalah kegiatan pendahuluan anlisis data, meliputi:
a. Editing : merupakan kegiatan peninjauan terhadap data yang telah
dikumpulkan melalui survai dan melakukan perbaikan atau melengkapi data.
b. Koding : merupakan kegiatan pemberian kode data yang dikumpulkan
sesuai metode regresi logistik yang digunakan dalam anlisis.
3.9 Jumlah Sampel Home Interview Survai
Ukuran sampel tergantung dari jumlah populasi dalam studi area dan pada
tingkat keakuratan statistik yang dibutuhkan, tetapi teori sampel dari pengalaman
US Department of Transportation dapat digunakan untuk menetapkan angka
sampel minimum dan yang disarankan, jika melaksanakan survai Home Interview
dalam daerah studi dari jumlah populasi yang berbeda.
Untuk survai Home Interview ini, sampel yang dimaksud adalah orang
pada usia produktif dalam suatu keluarga yang melakukan perjalanan antar zona
baik itu perjalanan untuk sekolah, bekerja, belanja, atau ke tempat
rekreasi/hiburan.
Menurut Mendenhall (1971), bahwa n >30 merupakan ukuran/jumlah sam-
pel besar, sebaliknya n<30 merupakan ukuran sampel kecil. Juga dinyatakan
bahwa pengambilan sampel secara acak akan memberikan peluang untuk
menghasilkan suatu sampel yang mendekati representatif.
Selain itu menurut Black (1981), besar sampel minimum dan yang
dianjurkan dapat diperkirakan seperti tabel dibawah ini:
54
Tabel 3.3 Ukuran sampel minimum dan yang disarankan untuk survai home
interview
Populasi Studi Area
Ukuran Sampel (unit tempat tinggal)
Minimum Disarankan
< 50.000
50.000 150.000
150.000 300.000
300.000 500.000
500.000 1.000.000
> 1.000.000
1 : 10
1 : 20
1 : 35
1 : 50
1 : 70
1 : 100
1 : 5
1 : 8
1 : 10
1 : 15
1 : 20
1 : 25
Sumber : Black, 1981
Dalam penelitian ini, ukuran sampel minimum yang disarankan adalah
1:70 atau 1,4 % sedangkan yang disarankan adalah 1:20 atau 5% dari jumlah
populasi yang ada. Jumlah penduduk total Kabupaten Buleleng tahun 2010 adalah
624.079 jiwa Dari kondisi tersebut diambil sampel 2% dari jumlah KK yang ada
yaitu sebesar 3.000 dari total 149.123 KK. Alasan lain yang dijadikan landasan
pengambilan sampel sebesar 2% adalah keterbatasan sumber daya, baik itu
sumber daya manusia maupun keterbatasan dari segi pendanaan.
Selanjutnya didalam pengambilan sampel atau metode penelitian ini
digunakan dengan penarikan sampel Stratified Random Sampling dimana
penerapannya di tiap desa dikelompokkan lagi berdasarkan kondisi perekonomian
rumah tangga, yaitu rumah tangga dengan pendapatan rendah, pendapatan
menengah dan pendapatan tinggi. Sebagai contoh di desa Sumber Kelampok
didapatkan sampel sebanyak 13 KK, untuk pendistribusiannya adalah sebagai
berikut :
55
- 4 sampel untuk kelompok pendapatan rendah
- 5 sampel untuk kelompok pendapatan menengah
- 4 sampel untuk kelompok pendapatan tinggi
Selanjutnya pengambilan sampel untuk masing-masing kelompok tersebut
dilakukan secara acak (random). ( Lihat Lampiran Tabel B.1)
3.10 Tabulasi Data
Data hasil survai di kawasan Kabupaten Buleleng ditabulasikan di dalam
bentuk grafik dengan menggambarkan proporsi dari setiap faktor-faktor
kepemilikan sepeda motor yang dimiliki oleh keluarga, jumlah anggota keluarga,
jumlah anggota keluarga yang bekerja, jumlah pelajar/mahasiswa dalam keluarga,
pendapatan total keluarga per bulan, total jarak perjalanan yang ditempuh oleh
semua anggota keluarga dalam sehari, faktor-faktor yang mempengaruhi
kepemilikan sepeda motor.
3.11 Pendefinisian Variabel Dummy
Variabel dapat didefinisikan sebagai atribut seseorang atau obyek yang
mempunyai variasi antara satu orang dengan yang lain atau satu objek dengan
objek yang lain (Sugiyono, 2004). Variabel Independen sering disebut sebagai
variabel stimulus, prediktor, antecedent yang dalam bahasa indonesia sering
disebut dengan variabel bebas. Variabel bebas adalah merupakan variabel yang
mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel
dependen (terikat). Sedangkan Variabel Dependen sering disebut sebagai variabel
56
output, kriteria, konsekuen yang dalam bahasa indonesianya disebut sebagai
variabel terikat, karena adanya variabel bebas.
Variabel bebas untuk model kepemilikan sepeda motor, yaitu variabel
bebas kontinyu meliputi:
1. Jumlah anggota keluarga (orang),
2. Jumlah pekerja dalam keluarga (orang),
3. Jumlah pelajar/mahasiswa dalam keluarga (orang),
4. Total jarak perjalanan (km),
5. Jumlah pendapatan keluarga per bulan (rupiah per bulan).
Sementara itu kedua model mempunyai variabel bebas diskrit yang sama
yaitu pendapatan total keluarga per bulan (pendapatan) dan variabel diskrit yang
berbeda yang meliputi faktor-faktor yang mempengaruhi kepemilikan sepeda
motor. Langkah selanjutnya adalah reduksi variabel bebas dengan tujuan
menyeleksi variabel bebas yang akan diikutsertakan di dalam model (variable
selection). Penyeleksian dilakukan untuk menguji signifikasi dari klasifikasi
setiap variabel. Dengan adanya klasifikasi tersebut menyebabkan diperlukannya
penggkodean variabel bebas di dalam pemodelan. Pengkodean ini disebut dengan
istilah pengkodean variabel dummy ( Al-Gandhi, 2002). Untuk variabel tidak
bebas adalah didefinisikan sebagai memiliki sepeda motor (kode = 1) dan tidak
memiliki sepeda motor (kode = 0).
Sedangkan pengkodean variabel bebas mengikuti aturan pengkodean dalam
SPSS ver.15 seperti yang ditunjukkan dalam tabel berikut :
57
Tabel 3.4 Pengkodean Variabel Dummy
Analisis berikutnya adalah memasukkan parameter model ke dalam
persamanaan regresi logistik, dengan memasukkan variabel bebas.
Persamaan regresi logistik untuk kepemilikan sepeda motor ( p=1) adalah sebagai
berikut :
No Variabel Nama dalam Model Klasifikasi Kode
1. Kepemilikan
Sepeda Motor
Kepemilikan
Kendaraan Bemotor
1 unit
> 1 unit
0
1
2. Informasi
Sosial -
Ekonomi
Rumag Tangga
Pendapatan per bulan Rp.1 juta
Rp.1 juta Rp.4 juta
Rp.4 juta
0
1
2
Pengeluaran biaya
transportasi bulanan
< Rp. 100 ribu
Rp. 100 ribu Rp. 300 ribu
> Rp. 300 ribu
0
1
2
Jarak rata-rata yang
ditempuh per hari
Jarak dekat (< 10 km)
Jarak sedang (10 km 20 km)
Jarak jauh (> 20 km)
0
1
2
Waktu perjalanan < 1 jam
1 jam 2 jam
> 2 jam
0
1
2
3. Informasi
Demografi
Rumah Tangga
Jumlah Anggota
Keluarga
2 orang
3 4 orang
> 4 orang
0
1
2
Jumlah anggota
keluarga yang bekerja
2 orang
> 2 orang
1
2
Jumlah anggota
keluarga yang sekolah
2 orang
> 2 orang
1
2
58
=
( )
=
0
+
1
X
1
+..+
n
X
n
................................................. (3.1)
dimana :
Y = probabilitas kepemilikan sepeda motor.
X
1,..n
= variabel bebas, dimana :
X
1
= Jumlah Anggota keluarga.
X
2
= Pendapatan per bulan.
X
3
= Jarak rata-rata yang ditempuh per hari.
X
4
= Jumlah anggota keluarga yang bekerja.
X
5
= Jumlah anggota keluarga yang sekolah.
X
6
= Biaya transportasi per bulan.
X
7
= Waktu perjalanan.
0,1,n
= parameter model
dengan n adalah klasifikasi masing-masing kategori variabel bebas.
Kemudian dilakukan uji kelayakan untuk menjelaskan hubungan antara
faktor-faktor kepemilikan sepeda motor. Selanjutnya adalah interpretasi model
untuk menentukan pengaruh dan besarnya probabilitas masing-masing variabel
bebas di dalam kepemilikan sepeda motor, kemudian dapat didiskripsikan secara
kualitatif.
Dari kegiatan reduksi variabel bebas yang bertujuan untuk menyeleksi
variabel bebas yang akan diikut sertakan di dalam model (variable selection).
Jika dari analisis korelasi menunjukkan tidak ada ketergantungan antara masing-
masing variabel bebas maka semua variabel bebas tersebut dapat dinominasikan
sebagai faktor penduga. Seleksi ini untuk langkah selanjutnya adalah dengan
59
melakukan penyeleksian dari variabel masing-masing faktor, misalnya apakah
semua variabel dalam salah satu faktor dapat diikut sertakan pada model.
Dari hasil pemodelan dan interpretasi model maka dapat dideskripsikan
secara kualitatif faktor-faktor yang mempengaruhi kepemilikan sepeda motor.
Deskripsi ini disesuaikan dengan tujuan penelitian yang dituangkan dalam bentuk
simpulan penelitian dan acuan dalam pembuatan saran.
60
BAB IV
DESKRIPSI DATA
4.1 Gambaran Umum Penduduk Kabupaten Buleleng
Berdasarkan hasil pencacahan Sensus Penduduk 2010, jumlah penduduk
Kabupaten Buleleng adalah 624.079 orang, yang terdiri atas 311.064 lakilaki dan
313.015 perempuan. Kecamatan Buleleng memiliki jumlah penduduk terbanyak
yaitu 128.951 orang. Sedangkan Kecamatan Busungbiu memiliki jumlah
penduduk paling sedikit, yaitu 39.519 orang. Dengan luas wilayah Kabupaten
Buleleng sekitar 1.365,88 kilometer persegi yang didiami oleh 624.079 orang,
maka ratarata kepadatan penduduk Kabupaten Buleleng adalah sebanyak 457
orang per kilo meter persegi. Kecamatan yang paling tinggi tingkat kepadatan
penduduknya adalah Kecamatan Buleleng yaitu 2.747 orang per kilometer
persegi. Sedangkan yang paling rendah adalah Kecamatan Busungbiu yaitu
sebanyak 201 orang per kilo meter persegi. (BPS KabupatenBuleleng, 2010)
4.1.1 Laju Pertumbuhan Penduduk Menurut Kecamatan di Kabupaten
Buleleng
Untuk laju pertumbuhan penduduk Kabupaten Buleleng pertahun selama
sepuluh tahun terakhir yakni dari tahun 2000 sampai dengan tahun 2010 sebesar
1,12 persen. Laju pertumbuhan penduduk Kecamatan Sukasada adalah yang
tertinggi dibandingkan kecamatankecamatan lainnya yaitu sebesar 1,76 persen.
Sedangkan yang terendah adalah Kecamatan Tejakula yaitu sebesar 0,02 persen
61
per tahun. Kecamatan Buleleng yang paling banyak jumlah penduduknya hanya
menempati posisi ketiga dalam laju pertumbuhan penduduk yaitu sebesar 1.53
persen, di bawah Kecamatan Gerokgak yaitu sebesar 1,62 persen. Laju
pertumbuhan penduduk Kabupaten Buleleng dari tahun 2005 sampai tahun 2010
disajikan pada Tabel 4.1.
No Kecamatan 2005 2006 2007 2008 2009 2010
1 Gerokgak 73.798 76.781 77.524 78.782 79.746 78.876
2 Seririt 70.704 72.846 74.091 75.969 76.808 69.548
3 Busungbiu 43.290 44.063 45.014 44.977 44.991 39.519
4 Banjar 67.741 70.354 67.650 67.763 67.769 68.984
5 Sukasada 69.498 70.100 69.415 71.139 71.562 72.027
6 Buleleng 114.866 124.834 119.446 120.228 120.239 128.951
7 Sawan 61.695 64.865 66.317 66.521 66.828 58.633
8 Kubutambahan 55.959 58.214 59.301 59.616 60.248 53.737
9 Tejakula 60.525 60.986 64.516 65.242 65.956 53.804
Sumber: BPS KabupatenBuleleng, 2010
4.1.2 Jumlah Penduduk Menurut Kecamatan di Kabupaten Buleleng
Berdasarkan hasil pencacahan sensus penduduk tahun 2010, jumlah
penduduk Kabupaten Buleleng adalah 624.079 jiwa. Dimana dapat diketahui
bahwa Kecamatan Buleleng terdapat 29 kelurahan/desa yang memiliki jumlah KK
terbesar yakni 27.286 KK. Kecamatan Gerogak mempunyai jumlah KK terbesar
kedua yaitu 19.312 KK dengan jumlah 14 kelurahan/desa. Dan jumlah KK
terkecil terdapat pada Kecamatan Busungbiu, yakni 10.407 KK dengan jumlah 15
kelurahan/desa. Jumlah KK menjadi bahan perhitungan jumlah sampel. Tabel 4.2
dan Gambar 4.1 menunjukkan Jumlah KK dan Jiwa di Kabupaten Buleleng.
62
Tabel 4.2 Jumlah KK dan jiwa di Kabupaten Buleleng Tahun 2010
No Kecamatan
JumlahPenduduk
KK Jiwa
1 Gerokgak 19.312 78.876
2 Seririt 17.981 69.548
3 Busungbiu 10.407 39.519
4 Banjar 17.559 68.984
5 Sukasada 14.259 72.027
6 Buleleng 27.286 128. 951
7 Sawan 14.585 58.633
8 Kubutambahan 12.107 53.737
9 Tejakula 15.467 53.804
Sumber: BPS KabupatenBuleleng, 2010
Gambar 4.1 Jumlah Penduduk menurut Kecamatan di Kabupaten Buleleng Tahun
2010
0.000
20.000
40.000
60.000
80.000
100.000
120.000
140.000
j
u
m
l
a
h

p
e
n
d
u
d
u
k
63
4.1.3 Ratio Jenis Kelamin (Sex Ratio) Penduduk Kabupaten Buleleng
Tahun 2010.
Ratio adalah perbandingan dua perangkat yang dinyatakan dalam suatu
satuan tertentu dan biasanya dinyatakan dalam banyaknya penduduk laki-laki per
100 perempuan , dengan kata lain jumlah penduduk laki-laki dibagi jumlah
penduduk perempuan dikalikan seratus. Apabila SR 100 maka didaerah tersebut
lebih banyak penduduk perempuan dan apabila SR maka didaerah tersebut
lebih banyak penduduk laki-laki (R.Thomas Malthus, 1834).
Berikut ini Tabel dan Gambar 4.2 jumlah Penduduk menurut jenis kelamin (sex
ratio) Kabupaten Buleleng.
Tabel 4.3 Jumlah Penduduk menurut Kecamatan dan Jenis Kelamin di Kabupaten
Buleleng tahun 2010
No
Kecamatan Laki-laki Perempuan JumlahPenduduk
1 Gerokgak 39.620 39.256 78.876
2 Seririt 34.194 35.354 69.548
3 Busungbiu 19.671 19.848 39.519
4 Banjar 34.192 34.792 68.984
5 Sukasada 35.871 36.156 72.027
6 Buleleng 64.112 64.839 128. 951
7 Sawan 28.980 29.653 58.633
8 Kubutambahan 27.192 26.545 53.737
9 Tejakula 27.232 26.572 53.804
624.079
Sumber : BPS Kabupaten Buleleng 2010
64
Gambar 4.2 Diagram Jumlah Penduduk laki-laki dan perempuan Per Kecamatan
Kabupaten Buleleng
4.2 Analisis Sosial Ekonomi Rumah Tangga di Kabupaten Buleleng
Data hasil survai dianalisis dengan mengelompokkan sesuai parameter
yang berkaitan dengan kepemilikan sepeda motor, sebagai representasi dari
masyarakat di daerah studi.Pengelompokkan tersebut sebagai berikut:
a. Informasi demografi rumah tangga, antara lain: jumlah anggota keluarga
yang bekerja, yang sekolah/pelajar dan jumlah anggota keluarga yang
bukan pekerja dan bukan sekolah/pelajar.
b. Informasisosial-ekonomi rumahtangga, antara lain: kepemilikan sepeda
motor, pendapatan keluarga, jarak yang ditempuh, pengeluaran biaya
transportasi dan waktu perjalanan.
Dari pengelompokkan tersebut didapat data sebagai tergambar dalam diagram-
diagram berikut ini:
0.000
20.000
40.000
60.000
80.000
j
u
m
l
a
h

p
e
n
d
u
d
u
k
Laki-laki
Perempuan
65
1. Jumlah Anggota Keluarga
Dari masing-masing keluarga yang disurvai diperoleh data jumlah anggota
keluarga pada daerah studi ,seperti terlihat dalam Tabel berikut ini.
Tabel 4.4 Jumlah Anggota Keluarga Pada Daerah Studi
No
Jumlah Orang
DalamKeluarga
Hasil Survai
Jumlah Keluarga
(KK)
Persentase
(%)
1 1 20 1
2 2 332 11
3 3 750 25
4 4 1.084 36
5 5 552 18
6 6 202 7
7 7/Lebih 60 2
Jumlah 3.000 100
Dari tabel dapat dilihat bahwa 73 % dari keluarga yang disurvai memiliki anggota
keluarga antara 1 sampai dengan 4 orang, 25 % memiliki anggota keluarga antara
5 dan 6 orang dan 2 % memiliki 7 atau lebih anggota keluarga. Jadi rata-rata
jumlah anggota keluarga hasil survai adalah 4 orang.
Gambar 4.3 Diagram Prosentase Jumlah Anggota Keluarga Pada Area Studi
1
0
5
10
15
20
25
30
35
40
1 orang
j
u
m
l
a
h

o
r
a
n
g

(
%
)
65
No
Jumlah Orang
DalamKeluarga
Hasil Survai
Jumlah Keluarga
(KK)
Persentase
(%)
1 1 20 1
2 2 332 11
3 3 750 25
4 4 1.084 36
5 5 552 18
6 6 202 7
7 7/Lebih 60 2
Jumlah 3.000 100
11
25
36
18
7
2 orang 3 orang 4 orang 5 orang 6 orang
65
No
Jumlah Orang
DalamKeluarga
Hasil Survai
Jumlah Keluarga
(KK)
Persentase
(%)
1 1 20 1
2 2 332 11
3 3 750 25
4 4 1.084 36
5 5 552 18
6 6 202 7
7 7/Lebih 60 2
Jumlah 3.000 100
7
2
6 orang >7 orang
66
Pada Gambar 4.3 terlihat prosentase jumlah anggota keluarga 4 orang merupakan
jumlah terbanyak pada KK daerah studi.
2. Jumlah Pekerja, Pelajar dan Bukan Pekerja maupun Bukan pelajar dalam
Keluarga
Data ini merupakan data profesi anggota keluarga yang dikategorikan untuk data
pelajar dari 0 orang, 1 orang, 2 orang, 3 orang, dan 4 orang begitu juga untuk
kategori pekerja dan yang bukan pekerja maupun pelajar. Berikut Tabel jumlah
pelajar di tiap keluarga.
Tabel 4.5 Jumlah Pelajar di Tiap Keluarga Pada Area Studi
No
Jumlah Pelajar
dalam Keluarga
Hasil Survai
Jumlah Pelajar Prosentase (%)
1 0 orang 1.042 35
2 1 orang 937 31
3 2 orang 794 26
4 3 orang 204 7
5 4 orang 23 1
Jumlah 3.000 100
Sumber: Hasil Analisis,2011
Gambar 4.4 Diagram Prosentase Jumlah Pelajar di Tiap Keluarga Pada Area Studi
35
0
5
10
15
20
25
30
35
40
0 orang
j
u
m
l
a
h

o
r
a
n
g

(
%
)
66
Keluarga
No
Jumlah Pelajar
dalam Keluarga
Hasil Survai
1 0 orang 1.042 35
2 1 orang 937 31
3 2 orang 794 26
4 3 orang 204 7
5 4 orang 23 1
Jumlah 3.000 100
31
26
7
0 orang 1 orang 2 orang 3 orang
66
Keluarga
No
Jumlah Pelajar
dalam Keluarga
Hasil Survai
1 0 orang 1.042 35
2 1 orang 937 31
3 2 orang 794 26
4 3 orang 204 7
5 4 orang 23 1
Jumlah 3.000 100
1
4 orang
67
3. Pendapatan Bulanan
Besar pendapatan per bulan setiap kepala keluarga mencerminkan kemampuan
suatu keluarga baik dalam hal memiliki rumah tinggal, kendaran pribadi (sepeda
motor atau mobil), walaupun hal ini masih bersifat relatif, karena masih
dipengaruhi oleh besar kebutuhan rumah tangga masing-masing (kebutuhan
sandang, pangan dan papan serta biaya pendidikan). Namun demikian besar
pendapatan ini merupakan penunjang karakteristik dari sebuah rumah tangga.
Gambar 4.5 Diagram Prosentase Pendapatan Bulanan per KK
Dari diagram menunjukkan bahwa prosentase tertinggi pendapatan adalah
keluarga dengan pendapatan lebih besar dari Rp. 2.000.000,- sampai dengan Rp.
4.000.000,- sebesar 77% , sedangkan pendapatan terendah lebih kecil dari Rp.
2.000.000,- dengan prosentase sebesar 13%, sementara yang berpenghasilan
diatas Rp. 6.000.000,- sebesar 2%.
13
0
10
20
30
40
50
60
70
80
<= 2 juta
j
u
m
l
a
h

K
K

(
%
)
67
13
77
8
<= 2 juta 2-4 juta 4-6 juta
67
2
> 6 juta
68
4. Kepemilikan Sepeda Motor
Dari masing-masing keluarga yang disurvai diperoleh data kepemilikan sepada
motor tiap keluarga pada daerah studi dengan kategori untuk data 0 unit, 1 unit
dan 2 unit. Seperti terlihat pada Tabel berikut ini :
Tabel 4.6 Kepemilikan Sepeda Motor di Tiap Keluarga
No
Jumlah Sepeda Motor
dalam Keluarga
Hasil Survai
Jumlah Sepeda
Motor
Prosentase (%)
1 0 unit 704 23
2 1 unit 1.696 57
3 2 unit 600 20
Jumlah 3.000 100
Dari Tabel dapat dilihat bahwa jumlah sepeda motor yang dimiliki oleh tiap
keluarga rata-rata mempunyai 1 unit sepeda motor.
Gambar 4.6 Prosentase Jumlah Kepemilikan Sepeda Motor per KK
23
0
10
20
30
40
50
60
0 unit
j
u
m
l
a
h

K
K

(
%
)
68
No
Jumlah Sepeda Motor
dalam Keluarga
Hasil Survai
Jumlah Sepeda
Motor
Prosentase (%)
1 0 unit 704 23
2 1 unit 1.696 57
3 2 unit 600 20
Jumlah 3.000 100
23
57
0 unit 1 unit > 2 unit
68
No
Jumlah Sepeda Motor
dalam Keluarga
Hasil Survai
Jumlah Sepeda
Motor
Prosentase (%)
1 0 unit 704 23
2 1 unit 1.696 57
3 2 unit 600 20
Jumlah 3.000 100
20
> 2 unit
69
Menurut survai jumlah kepemilikan sepeda motor di Kecamatan Buleleng jauh
lebih besar yaitu 554 unit dibandingkan dengan kecamatan lainnya yang ada di
Kabupaten Buleleng. Hal ini disebabkan oleh beberapa faktor antara lain di
kecamatan Buleleng merupakan pusat dari kegiatan perekonomian yang sebagian
besar ada di kecamatan Buleleng. Dengan fasilitas angkutan umum yang masih
kurang para masyarakat cenderung untuk memiliki sepeda motor untuk
memperlancar aktivitasnya sehari-hari.
70
BAB V
PEMODELAN DAN ANALISIS OUTPUT MODEL
5.1. Pemilihan Variabel Model
Kode atau angka yang mewakili setiap klasifikasi dari setiap variabel
bebas selanjutnya digunakan sebagai masukan data numerik di dalam perhitungan
model. Akan tetapi sebelum digunakan di dalam perhitungan model, setiap
klasifikasi dari variabel bebas dummy akan diuji terlebih dahulu variabilitasnya
secara statistik dengan menggunakan uji hipotesis. Kegiatan ini disebut sebagai
reduksi variabel bebas dummy.
Berdasarkan data survei diperoleh persentase untuk masing-masing kategori
atau klasifikasi variabel bebas dummy. Persentase tersebut dihitung untuk
selanjutnya digunakan dalam reduksi variabel dummy untuk setiap klasifikasi
setiap variabel bebas dummy. Metode reduksi variabel dummy digunakan untuk
mengeliminasi atau mengurangi dummy variabel yang mempunyai tingkat
signifikansi kurang dari 5%.
Uji hipotesis variabel bebas diskrit dilakukan untuk memperoleh variabel
bebas dummy yang siap digunakan di dalam pemodelan seperti diperlihatkan pada
Tabel 5.1. Hasil dari uji hipotesis ini adalah sebagai berikut:
a. Pada variabel pendapatan rumah tangga per bulan, kategori pendapatan
dibawah Rp. 1 juta tidak digunakan di dalam model karena jumlah
sampelnya 0. Ini berarti bahwa kategori tersebut tidak signifikans secara
71
statistik. Hal yang sama juga ditemui pada kategori jumlah anggota keluarga
kurang dari 2 orang. Untuk variabel pendapatan rumah tangga per bulan dan
jumlah anggota keluarga hanya digunakan 2 kategori di dalam pemodelan.
b. Pada variabel waktu perjalanan, kategori waktu perjalanan > 2 jam
mempunyai sampel = 0 akan tetapi mempunyai nilai rata-ratanya
mempunyai batas bawah dan batas atas 0, sehingga tidak signifikan secara
statistik. Untuk itu, kategori waktu perjalanan digabungkan dengan kategori
perjalanan 1-2 jam dan didefinisikan sebagai kategori baru yaitu kategori
waktu perjalanan > 1 jam.
c. Variabel jumlah anggota keluarga yang sekolah terdiri dari 2 kategori yaitu
lebih besar dari 2 orang dan kurang dari atau sama dengan 2 orang. Dari uji
hipotesis terlihat bahwa kategori kurang dari 2 orang mempunyai sampel =
0 sehingga kategori ini tidak signifikan untuk diikutkan sebagai faktor
penduga di dalam model. Oleh karena hanya 1 kategori yang signifikan
maka berakibat variabel jumlah anggota keluarga tidak diikutkan sebagai
faktor penduga di dalam. Hal ini karena variabel jumlah anggota keluarga
yang sekolah tidak signifikan sebagai faktor penduga karena bersifat
homogen atau mempunyai variabilitas yang rendah.
72
Tabel 5.1 Reduksi Variabel Dummy
Deskripsi X N X/N
95% selang kepercayaan
Bawah Atas
Pendapatan rumah tangga per bulan
< Rp. 1 juta* 0 3000 0.000 0.0 0.0
Rp. 1 juta 4 juta 2674 3000 0.891 0.9 0.9
> Rp. 4 juta 326 3000 0.109 0.1 0.1
Pengeluaran biaya transportasi per bulan
< Rp. 100 ribu 763 3000 0.254 0.2 0.3
Rp. 100 ribu 300 ribu 1492 3000 0.497 0.5 0.5
> Rp. 300 ribu 745 3000 0.248 0.2 0.3
Jarak tempuh rata-rata per hari
Jarak dekat (< 10 km) 2173 3000 0.724 0.7 0.7
Jarak sedang (10-20 km) 519 3000 0.173 0.2 0.2
Jarak jauh (> 20 km) 308 3000 0.103 0.1 0.1
Waktu perjalanan
< 1 jam 2520 3000 0.840 0.8 0.9
1 2 jam 412 3000 0.137 0.1 0.1
> 2 jam* 68 3000 0.023 0.0 0.0
Jumlah anggota keluarga
< 2 orang* 0 3000 0.000 0.0 0.0
3 4 orang 1101 3000 0.367 0.3 0.4
> 4 orang 1899 3000 0.633 0.6 0.7
Jumlah anggota keluarga yang bekerja
< 2 orang 1589 3000 0.530 0.5 0.5
> 2 orang 1411 3000 0.470 0.5 0.5
Jumlah anggota keluarga yang sekolah
< 2 orang 3000 3000 1.000 1.0 1.0
> 2 orang* 0 3000 0.000 0.0 0.0
Sumber: Analisis Data, 2011
*) Tidak signifikan secara statistik pada tingkat 5% (selang kepercayaan 95% termasuk
0) dengan :
X = Jumlah klsifikasi yang timbul
N = Jumlah data/sampel
73
Dari Tabel 5.1 terlihat bahwa terdapat tujuh (7) variabel bebas atau 19
kategori/klasifikasi yang digunakan sebagai faktor penduga di dalam pemodelan
dengan regresi logistik.
5.2 Kalibrasi Model
Kegiatan selanjutnya adalah menganalisis variabel bebas yang mampu
memberikan nilai ekspektasi yang signifikan. Hasil estimasi parameter model
dapat dilihat pada Tabel 5.2 Pada tabel tersebut dapat juga dilakukan analisa
multikolinieritas atau adanya korelasi yang erat di antara masing-masing variabel
bebas. Dari nilai standard error (S.E) setiap variabel bebas diketahui bahwa tidak
terdapat nilai yang melebihi 2.0 sehingga dapat dikatakan tidak terdapat persoalan
multikolinieritas (ketergantungan yang kuat antara satu variabel bebas yang satu
dengan variabel yang lainnya) di dalam model tersebut.
Tabel 5.2 Variabel Bebas yang Signifikan
Variabel B Standard Error Sig. Exp(B)
keluarga(1) -.602 .110 .000 .548
pendapatan(1) -1.585 .128 .000 .205
jarak(1) -.295 .154 .055 .745
jarak(2) .137 .169 .418 1.147
btransport(1) -1.037 .167 .000 .354
btransport(2) -.176 .114 .124 .839
konstan .601 .166 .000 1.823
dengan:
keluarga(1) : Jumlah anggota keluarga 3-4 orang
pendapatan(1) : Pendapatan rumah tangga per bulan Rp. 1 juta 4 juta
jarak(1) : Jarak perjalanan keluarga dekat (< 10 km)
jarak(2) : Jarak perjalanan keluaga sedang (10-20 km)
74
btransport(1) : Biaya perjalanan keluarga per bulan < Rp. 100 ribu
btransport(2) : Biaya perjalanan keluarga per bulan Rp. 100 ribu 300 ribu.
Dari Tabel 5.2 terlihat bahwa variabel atau faktor-faktor yang berpengaruh
terhadap kepemilikan sepeda motor di Kabupaten Buleleng pada tingkat 5% atau
dengan kepercayaan 95% adalah jumlah anggota keluarga 3-4 orang, pendapatan
rumah tangga per bulan Rp. 1 juta 4 jutadan biaya transportasi kurang dari Rp.
100 ribu per bulan. Pengaruh dari masing-masing faktor tersebut dapat
dideskripsikan dengan melihat nilai ekspektasi nilai variabel bebasnya (Exp(B)):
a. Jumlah keluarga dengan anggota 3-4 orang dibandingkan dengan anggota
keluarga > 4 orang,lebih kecil 45,2 % (0,548-1) kemungkinannya untuk
memiliki > 1 unit sepeda motor. Dengan perkataan lain semakin besar
jumlah anggota keluarganya, maka peluang keluarga memiliki > 1 unit
sepeda motor lebih besar.
b. Keluarga dengan pendapatan rumah tangga per bulan Rp. 1 juta 4 juta
dibandingkan keluarga dengan pendapatan >Rp 4 juta rupiah per bulan,
lebih kecil 79.5% (0,205-1) kemungkinannnya untuk memiliki > 1 unit
sepeda motor. Dengan perkataan lain, semakin besar pendapatan per bulan
suatu keluarga maka peluang memiliki > 1 unit sepeda motor lebih besar.
c. Keluarga dengan biaya transportasi per bulannya < Rp. 100 ribu
dibandingkan keluarga dengan biaya transportasi per bulannya > Rp. 300
ribu lebih kecil 64,6% (0,354-1) kemungkinannya untuk memiliki > 1 unit
sepeda motor. Dengan perkataan lain, semakin besar biaya transportasi
75
yang dikeluarkan oleh suatu keluarga maka peluang keluarga tersebut
untuk memiliki > 1 unit sepeda motor lebih besar.
Dari ketiga kategori yang berpengaruh terhadap kepemilikan sepeda motor
di Kabupaten Buleleng, dapat dianalisis beberapa hal sebagai berikut:
a. Pendapatan keluarga meningkat maka kemungkinan kepemilikan sepeda
motor > 1 unit meningkat. Ini merupakan suatu konsekuensi logis karena
dengan kondisi keuangan yang lebih mampu sudah barang tentu
mempunyai daya beli yang lebih tinggi.
b. Jumlah anggota keluarga dan biaya transportasi yang lebih banyak juga
dapat mempengaruhi kepemilikan sepeda motor > 1 unit. Jika dikaitkan
dengan alternatif moda transportasi yang ada saat ini di Kabupaten
Buleleng, maka fenomena ini merupakan suatu konsekuensi yang logis.
Seseorang untuk melakukan perjalanan tentunya akan mencari biaya yang
serendah mungkin (efisien) tetapi dengan efektifitas yang tinggi (misal
sebanyak-banyaknya dapat mengangkut seluruh anggota keluarganya).
Alternatif moda transportasi yang memungkinkan saat ini dengan
memperhitungkan efisiensi dan efektifitas yang tinggi tersebut adalah
sepeda motor.
c. Akan tetapi, kepemilikan dan penggunaan yang meningkat dari sepeda
motor tentunya akan berdampak kepada penambahan kendaraan pribadi di
jalan raya yang selanjutnya berkontribusi kepada permasalahan
transportasi seperti kemacetan dan kecelakaan lalu lintas. Untuk itu
penyediaan dan pemberdayaan sarana angkutan umum yang kompetitif
76
(dengan sepeda motor) baik dari biaya dan kecepatan dan ketepatan
pelayanan merupakan syarat yang harus dipenuhi jika permasalahan-
permasalahan transportasi tersebut hendak dikurangi.
Berdasarkan Tabel 5.2 maka dapat disusun model kepemilikan sepeda
motor di Kabupaten Buleleng.
ln
|
|
'
p
p
1
=0,601-0,602*keluarga(1)-1,585*pendapatan(1)-
0,295*jarak(1)+0.137*jarak(2)-1,037*btransport(1)-0,176*btransport(2)
dengan:
p : Peluang untuk memiliki > 1 unit sepeda motor
Kategori jarak(1), jarak(2) dan btransport(2) tetap diikutkan pada model
walaupun mempunyai signifikansi kurang dari 5%. Hal ini karena jika kategori-
kategori tersebut dikeluarkan dari model akan mempengaruhi kelayakan
(goodness of fit) dari model secara keseluruhan.
77
5.3 Validasi Model
Setelah semua data terkumpul dan masing-masing kategori sudah
diberikan variabel dummy-nya masing-masing, maka langkah selanjutnya adalah
memasukkan semua data tersebut ke dalam kolom data view dan variabel
view di dalam program SPSS version 15. Hasil output SPSS selanjutnya bisa kita
analisa. Print out SPSS dapat dilihat secara lengkap pada lampiran.
Analisa penentuan hubungan antara variabel bebas dan variabel tidak
bebas di dalam model serta kelayakan model didalam menyatakan hubungan
antara variabel bebas dengan variabel tidak bebas, dapat dilihat pada tabel di
bawah ini, yang diperoleh dari output program SPSS.
Tabel 5.3. Signifikansi Model
Chi-square df Sig.
Model 334.836 6 .000
Pada Tabel 5.3 terlihat bahwa untuk model kepemilikan sepeda motor
mempunyai peluang chi-square 334,836 dengan tingkat signifikansi 0,000 atau
model kepemilikan sepeda motor di Kabupaten Buleleng mempunyai signifikansi
pada tingkat 5%. Ini menunjukkan bahwa model yang disusun mempunyai
hubungan yang signifikan antara variabel bebas dengan variabel tidak bebasnya.
78
Tabel 5.4 Koefisien Determinasi Model
Step -2 Log likelihood Cox &Snell R Square Nagelkerke R Square
1 2664.804 .106 .167
Mengacu kepada Washington, et al. (2003) dijelaskan bahwa pada model
pilihan dengan model logistik, semakin tinggi nilai pseudo R
2
(goodness of fit),
semakin baik model yang disusun.Akan tetapi hal ini tidak selalu tepat. ODonnel
dan Connor (2002) menyatakan bahwa secara praktis nilai tersebut dapat
diabaikan karena untuk model regresi logistik ini tidak ada nilai bakupseudo R
2
yang dapat dijadikan sebagai acuan kelayakan model. Nilai ini mempunyai batas
atas baik secara teoritis dan empiris yang selalu kurang dari satu. Oleh karena itu
digunakan cara lain untuk menentukan kelayakan model yaitu dengan uji Hosmer
and Lemeshow (H-L test).
Uji kelayakan model atau model goodness of fit dilakukan dengan
menggunakan prinsip Hosmer and Lameshow (H-L test). Jika nilai uji H-L sama
atau kurang dari 5% berarti ada perbedaan yang signifikan antara model dengan
nilai observasinya, dimana kelayakan model tidak baik karena model dianggap
tidak bisa memprediksi nilai observasinya. Jika nilai statistik Hosmer and
Lameshows goodness of fit lebih besar dari 5% berarti model mampu untuk
memprediksi nilai observasinya dengan kepercayaan 95%.
79
Tabel 5.5 Uji Hosmer-Lemeshow
Step Chi-square df Sig.
1 6.475 7 .485
Dari Tabel 5.5 terlihat bahwa nilai signifikansi berdasarkan uji Hosmer
and Lameshow (H-L) 1 adalah 0.485 (>5%), maka model regresi logistik yang
disusun bisa digunakan untuk memprediksi nilai observasi dengan kepercayaan
95%.
Akurasi klasifikasi model umumnya adalah 25% atau lebih tinggi daripada
proporsi data.Kegunaan analisis akurasi klasifikasi model adalah untuk
membandingkan akurasi model nol (model hanya dengan konstanta tanpa variabel
bebas) dengan full model atau model dengan menyertakan variabel bebas.Proporsi
akurasi klasifikasi model dihitung dengan menggunakan proporsi klasifikasi
variabel tidak bebasnya.Akurasi proporsi data dan akurasi model dapat dilihat
pada Tabel 5.6
Tabel 5.6 Akurasi Proporsi Data dan Model
Proporsi Data
N Marginal Percentage
Kepemilikan sepeda
motor
< 1 unit 2401 80.03%
> 1 unit 599 19.97%
Akurasi Model
Observed
Predicted
< 1 unit > 1 unit Percent
Correct
< 1 unit 2318 83 96.5
> 1 unit 460 139 23.2
Overall Percentage 81.9
80
Untuk model proporsi data adalah 0,8003 + 0,1997 = 0.680 (68%).
Akurasi model dengan regresi logistik (full model) adalah 81,9% dan lebih besar
dari akurasi proporsi data. Oleh karena itu full model kepemilikan sepeda motor
lebih baik daripada model nolnya. Dari perbandingan akurasi model terlihat
bahwa penambahan variabel bebas di dalam kedua model yang disusun
memberikan hasil yang lebih akurat dibandingkan model tanpa variabel bebas
sehingga dapat dijadikan prediksi dalam peningkatan kepemilikan kendaraan
dimasa yang akan datang.
81
BAB VI
SIMPULAN DAN SARAN
6.1 Simpulann Untuk Kepemilikan Sepeda Motor Pada Rumah Tangga
di Kabupaten Buleleng.
Dari hasil analisis yang dilakukan pada bab sebelumnya, maka
disimpulkan seperti berikut ini :
6.1.1 Karakteristik sosial-ekonomi dan demografi penduduk.
a. Prosentase tertinggi pendapatan adalah keluarga dengan pendapatan lebih
besar dari Rp. 2.000.000,- sampai dengan Rp. 4.000.000,- sebesar 77% ,
sedangkan pendapatan terendah lebih kecil dari Rp. 2.000.000,- dengan
prosentase sebesar 13%, sementara yang berpenghasilan diatas Rp.
6.000.000,- sebesar 2%.
b. Kepemilikan 1 unit sepeda motor mempunyai prosentase tertinggi yaitu
57%, kepemilikan lebih dari 2 unit sepeda motor adalah 20%, berimbang
dengan masyarakat yang tidak memiliki sepeda motor (0 unit) yaitu 23%.
c. Prosentase jumlah kepala keluarga tertinggi adalah 36% dengan jumlah
rata-rata 4 orang.
d. Prosentase jumlah penduduk tertinggi berada di Kecamatan Buleleng
sebesar 20% (128.951 jiwa) , sedangkan yang paling rendah adalah
Kecamatan Busungbiu yaitu sebesar 6% ( 39.519 jiwa).
82
e. Dari jumlah penduduk yang bekerja didapatkan prosentase tertinggi adalah
51,2% dengan jumlah kurang dari 2 orang, penduduk sebagai pelajar
tertinggi sebesar 31% untuk jumlah 1 orang.
6.1.2 Model Kepemilikan Sepeda Motor di Kabupaten Buleleng
Berdasarkan data yang diperoleh dari hasil survai dan analisis data yang
dilakukan, maka dapat disusun bahwa model kepemilikan sepeda motor per KK di
Kabupaten Buleleng sebagai berikut:
ln
|
|
'
p
p
1
=0,601-0,602*keluarga(1)-1,585*pendapatan(1)-
0,295*jarak(1)+0.137*jarak(2)-1,037*btransport(1)-0,176*btransport(2)
dengan:
p : Peluang untuk memiliki > 1 unit sepeda motor pada rumah tangga
Faktor-faktor yang berpengaruh terhadap kepemilikan sepeda motor di
Kabupaten Buleleng dengan kepercayaan 95% adalah:
a. Jumlah anggota keluarga 3-4 orang
b. Pendapatan rumah tangga per bulan Rp. 1 juta 4 juta
c. Biaya transportasi kurang dari Rp. 100 ribu per bulan
83
6.1.3 Probabilitas terhadap Kepemilikan Sepeda Motor
Probabilitas dari masing-masing faktor yang berpengaruh terhadap
kepemilikan sepeda motor dapat dideskripsikan dengan melihat nilai ekspektasi
nilai variabel bebasnya (Exp(B)):
d. Jumlah keluarga dengan anggota 3-4 orang dibandingkan dengan anggota
keluarga > 4 orang,lebih kecil 45,2 % (0,548-1) kemungkinannya untuk
memiliki > 1 unit sepeda motor. Dengan perkataan lain semakin besar
jumlah anggota keluarganya, maka peluang keluarga memiliki > 1 unit
sepeda motor lebih besar.
e. Keluarga dengan pendapatan rumah tangga per bulan Rp. 1 juta 4 juta
dibandingkan keluarga dengan pendapatan >Rp 4 juta rupiah per bulan,
lebih kecil 79.5% (0,205-1) kemungkinannnya untuk memiliki > 1 unit
sepeda motor. Dengan perkataan lain, semakin besar pendapatan per bulan
suatu keluarga maka peluang memiliki > 1 unit sepeda motor lebih besar.
f. Keluarga dengan biaya transportasi per bulannya < Rp. 100 ribu
dibandingkan keluarga dengan biaya transportasi per bulannya > Rp. 300
ribu lebih kecil 64,6% (0,354-1) kemungkinannya untuk memiliki > 1 unit
sepeda motor. Dengan perkataan lain, semakin besar biaya transportasi
yang dikeluarkan oleh suatu keluarga maka peluang keluarga tersebut
untuk memiliki > 1 unit sepeda motor lebih besar.
84
6.2 Saran
Berdasarkan hasil penelitian ini, maka saran yang dapat disampaikan adalah
sebagai berikut:
1. Penelitian ini dapat dikembangkan lagi dengan menganalisis daerah studi
lainnya dengan cakupan wilayah yang lebih luas.
2. Penelitian ini dapat dikembangkan lagi dengan menggunakan variabel
bebas yang lebih kompleks.
3. Peran serta Pemerintah Daerah sangat dibutuhkan agar sistem
transportasinya dapat memberikan kenyamanan terhadap masyarakat
dalam efisiensi waktu dan biaya. Dengan kata lain ketepatan pelayanan
merupakan syarat yang harus dipenuhi agar permasalahan transportasi
dapat dikurangi. Untuk itu diharapkan lebih dapat meminimalkan
penggunaan kendaraan pribadi, agar masyarakat mampu untuk berpindah
ke angkutan umum.
4. Dianjurkan menggunakan model lain (bukan regresi logistik) agar dapat
digunakan sebagai pembanding di dalam kepemilikan sepeda motor di
Kabupaten Buleleng.
85
DAFTAR PUSTAKA
Al.Ghamdi, A.S. 2002. Using Logistic Regression To Estimate The Influence of Accident
Factors on Accident Severity, Accident Analysis and Prevention 34, pp.729-741
Black, J. A. 1981. Urban Transport Planning : Theory and Practice, London.
Badan Perencanaan Pembangunan Daerah. 2008. Indikator Kesejahteraan Rakyat
Kabupaten Kutai Kartanegara. Website: http://bappeda.Kutai kartanegara
kab.go.id/bidang/Inkesra_1_2008_Pendahuluan.pdf
Badan Pusat Statistik. 2009. Kabupaten Buleleng Dalam Angka, Denpasar.
Dinas Perhubungan. 2004. Masterplan Transportasi Bali, Dinas Perhubungan Provinsi
Bali, Denpasar.
Departemen Perhubungan Republik Indonesia. 2009. Undang-Undang Republik
Indonesia No.22 tahun 2009 tentang Lalu Lintas dan Angkutan Jalan. Jakarta
Ghozali. 2001. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang: Badan
Penerbit Universitas Diponegoro
Hsu, T.P., Lin, Y.J., (2007), Multinomial Logit Model of Motorcycle and Car Ownership in
Taiwan, Proceeding of the Eastern Asia Society for Transportation Studies, Vol.
6, Dalian-China.
Hsu, T.P., Tsai, C.C., Lin, Y.J., 2007, Comparative Analysis of Household Car and
Motorcycle Ownership Characteristics, Proceeding of the Eastern Asia Society for
Transportation Studies, Vol. 6, Dalian-China.
Isgiyanto, A. 2009. Teknik Pengambilan Sampel. Jogyakarta: Mitra Cendikia Press.
Kurniawan, I.W. 2009. Analisis Kepemilikan Sepeda Motor dan Mobil Pada Rumah
Tangga (skrpsi). Denpasar: Universitas Udayana
Santoso, S. 2009. Menguasai Statistik dengan SPSS 15. Jakarta: PT Elex Media
Komputindo, Kompas Gramedia.
Susantono, B. 2010. Peningkatan Kepemilikan Sepeda Motor di Indonesia
86
Tamin, O.Z. 2000. Perencanaan dan Pemodelan Transportasi. Bandung: Penerbit ITB.
Washington, S.P., Karlaftis, M.G., Mannering, F.l., (2003), Statistical and Econometric
Methods for Transportation Data Analysis, Chapman & Hall, USA
http://id.wikipedia.org/wiki/kendaraan_bermotor
www.scribd.com/doc/4857129/konsep-keluarga
www.ats.ucla.edu/stat/stata/webbooks/logistic
87

Referensi Risma

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Referensi Risma

Uploaded by

Copyright:

Available Formats

1

You might also like